LG AI Research udostępnia bezpłatny dostęp API do modelu K-EXAONE 2.5

LG AI Research ogłosiło 9 listopada 2026 r. bezpłatny dostęp API do K-EXAONE 2.5, umożliwiając korzystanie z hostowanego modelu o 750 miliardach parametrów za pośrednictwem platformy EXAONE API Platform.

Programiści, startupy, firmy i instytucje badawcze mogą uzyskać klucz API, aby korzystać z modelu przy tworzeniu usług i prowadzeniu badań. LG opisuje K-EXAONE 2.5 jako model do walidacji technologii, opracowany przez dodatkowe trenowanie wersji wydanej w sierpniu 2026 r. Wcześniejsza karta modelu K-EXAONE 2.0 opisuje wydanie z otwartymi wagami na licencji Apache 2.0, wykorzystujące architekturę Mixture-of-Experts, z 37 miliardami aktywnych parametrów i kontekstem o długości 262 144 tokenów.

Wyniki agentowe według dostawcy

LG poinformowało, że wewnętrznie oceniło K-EXAONE 2.5 na otwartych zbiorach danych i uznało, że model dorównuje czołowym światowym modelom z otwartymi wagami. Dokumentacja modelu przedstawia porównanie z poprzednikiem i dwoma zewnętrznymi systemami:

Testy porównawcze obejmują tworzenie i modyfikowanie oprogramowania, wyszukiwanie potrzebnych informacji w sieci, automatyzację pracy za pomocą narzędzi SaaS oraz rozwiązywanie przez agentów problemów w środowisku pracy. Według danych przedstawionych przez LG K-EXAONE 2.5 przewyższa poprzednika we wszystkich czterech testach. Osiąga lepsze wyniki niż DeepSeek-V4.1-Flash w SWE-Bench Pro, BrowseComp i Claw-Eval, ale gorsze w AutomationBench; w porównaniu z GLM-5.3 uzyskuje lepszy wynik tylko w AutomationBench.

LG wymienia generowanie kodu, debugowanie, refaktoryzację i pisanie kodu testów jako możliwe zastosowania modelu, wskazując rozwój oprogramowania jako jedno z głównych zastosowań — obok wyszukiwania agentowego i automatyzacji pracy.

Projekt API i integracja agentów

K-EXAONE 2.5 obsługuje wyłącznie tekst oraz języki koreański i angielski. W dokumentacji podano 31 miliardów aktywnych parametrów, datę graniczną wiedzy przypadającą na styczeń 2026 r. oraz takie funkcje jak czat, wywoływanie narzędzi, ustrukturyzowane dane wyjściowe, generowanie kodu i przesyłanie strumieniowe.

Dokumentacja punktu końcowego określa zgodny z OpenAI POST /v1/chat/completions interfejs korzystający z identyfikatora modelu k-exaone_v2.5. Tokeny wejściowe wraz z max_tokens limitem tokenów na generowanie, który obejmuje rozumowanie, nie mogą przekroczyć 524 288 tokenów; większe żądania zwracają błąd 400. Odpowiedzi są zwracane w standardowym formacie JSON OpenAI lub — gdy włączone jest przesyłanie strumieniowe — jako fragmenty zdarzeń wysyłanych przez serwer.

Ustawienia rozumowania są dostępne bezpośrednio. reasoning_effort domyślnie wynosi max, natomiast preserve_thinking może przenosić wcześniejsze rozumowanie asystenta do żądań obejmujących wiele tur. W przewodniku dla agentów LG podaje, że większa intensywność rozumowania może wydłużyć czas odpowiedzi i zwiększyć zużycie tokenów, a nakład pracy przy bieżącej odpowiedzi traktuje oddzielnie od przekazywania wcześniejszego rozumowania i historii wywołań narzędzi.

Przewodnik zawiera konfiguracje ogólnego agenta Hermes i agenta programistycznego OpenCode. W opisanym przepływie pracy zewnętrzny mechanizm wykonawczy realizuje wywołania narzędzi zwracane przez model i przekazuje mu ich wyniki, a także obsługuje przyrostowe fragmenty tekstu, rozumowania i wywołań narzędzi w kolejnych turach. Programiści otrzymują więc za pośrednictwem API informacje o rozumowaniu i decyzjach dotyczących wywoływania narzędzi, ale za wykonywanie działań i zarządzanie przebiegiem pracy nadal odpowiada otaczający model agenta.

Bezpłatny dostęp obniża koszt testowania wyników LG w zakresie programowania agentowego w ramach istniejących narzędzi zgodnych z OpenAI. Kluczowe pytanie brzmi, w jakim stopniu korzyści zmierzone wewnętrznie przełożą się na produkcyjne oprogramowanie i procesy biznesowe, w których praktyczną wartość modelu będą kształtować głębia rozumowania, wykonywanie narzędzi i zarządzanie kontekstem.