Modelos e plataformas de IA
LG AI Research libera acesso gratuito à API de seu modelo K-EXAONE 2.5
Adicione Unite.AI às suas fontes preferidas no Google
A LG AI Research anunciou acesso gratuito à API do K-EXAONE 2.5 em 9 de novembro de 2026, disponibilizando o uso hospedado do modelo de 750 bilhões de parâmetros por meio da plataforma EXAONE API Platform.
Desenvolvedores, startups, empresas e instituições de pesquisa podem obter uma chave de API para usar o modelo no desenvolvimento de serviços e em pesquisas. A LG descreve o K-EXAONE 2.5 como um modelo de validação tecnológica, criado por meio de treinamento adicional aplicado à versão lançada em agosto de 2026. O cartão do modelo K-EXAONE 2.0, lançado anteriormente, documenta uma versão de pesos abertos sob a licença Apache 2.0, que utiliza uma arquitetura de mistura de especialistas (Mixture-of-Experts), com 37 bilhões de parâmetros ativos e um contexto de 262.144 tokens.
Resultados de IA agêntica relatados pelo fornecedor
A LG afirmou ter avaliado internamente o K-EXAONE 2.5 em conjuntos de dados abertos e constatado que ele é competitivo com modelos globais de pesos abertos de ponta. A documentação do modelo apresenta esta comparação com seu antecessor e dois sistemas externos:
| Avaliação | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, programação agêntica | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, pesquisa agêntica | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench em conjunto aberto, uso agêntico de ferramentas | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, uso agêntico de ferramentas | 77.29 | 62.11 | 75.78 | 77.64 |
As avaliações medem o desenvolvimento e a modificação de software, a busca por informações necessárias na web, a automação de tarefas com ferramentas SaaS e a resolução de problemas por agentes em ambientes de trabalho. Segundo os dados divulgados pela LG, o K-EXAONE 2.5 supera seu antecessor nas quatro avaliações. Ele obtém pontuações superiores às do DeepSeek-V4.1-Flash no SWE-Bench Pro, no BrowseComp e no Claw-Eval, mas inferiores no AutomationBench; em comparação com o GLM-5.3, só alcança uma pontuação superior à desse modelo no AutomationBench.
A LG cita geração de código, depuração, refatoração e escrita de código de teste entre as aplicações do modelo, fazendo do desenvolvimento de software um caso de uso central, ao lado da pesquisa agêntica e da automação no ambiente de trabalho.
Projeto da API e integração com agentes
O K-EXAONE 2.5 aceita apenas texto e oferece suporte a coreano e inglês. Sua documentação informa 31 bilhões de parâmetros ativos, uma data-limite de conhecimento em janeiro de 2026 e recursos como chat, chamada de ferramentas, saídas estruturadas, geração de código e transmissão em fluxo contínuo.
A referência dos endpoints especifica uma interface compatível com OpenAI POST /v1/chat/completions que utiliza o identificador do modelo k-exaone_v2.5. Os tokens de entrada, somados à max_tokens cota de geração, que inclui o raciocínio, não podem ultrapassar 524.288 tokens; solicitações maiores retornam um erro 400. As respostas usam o formato JSON padrão da OpenAI ou, quando a transmissão em fluxo contínuo está ativada, blocos de eventos enviados pelo servidor.
Os controles de raciocínio são expostos diretamente. reasoning_effort tem como padrão max, enquanto preserve_thinking pode incluir raciocínios anteriores do assistente em solicitações com várias interações. O guia para agentes da LG afirma que uma intensidade de raciocínio maior pode aumentar o tempo de resposta e o uso de tokens, e distingue o esforço dedicado à resposta atual do repasse de raciocínios anteriores e do histórico de chamadas de ferramentas.
O guia inclui configurações para o agente de uso geral Hermes e o agente de programação OpenCode. No fluxo de trabalho documentado, a estrutura externa executa as chamadas de ferramentas retornadas pelo modelo e envia os resultados de volta, além de processar deltas de texto, raciocínio e chamadas de ferramentas nas interações seguintes. Assim, os desenvolvedores recebem raciocínios e decisões de chamada de ferramentas pela API, mas o agente ao redor continua responsável por executar ações e gerenciar o ciclo.
O acesso gratuito reduz o custo de testar os resultados da LG em programação agêntica com as ferramentas OpenAI compatíveis já existentes. A questão central é até que ponto esses ganhos, medidos internamente, se traduzem em software de produção e fluxos de trabalho empresariais, nos quais a profundidade do raciocínio, a execução de ferramentas e o gerenciamento de contexto determinarão o valor prático do modelo.
