Модели и платформы ИИ
LG AI Research открыла бесплатный доступ к API модели K-EXAONE 2.5
Добавьте Unite.AI в избранные источники в Google
LG AI Research объявила о бесплатном доступе к API K-EXAONE 2.5 9 ноября 2026 года, открыв возможность использовать модель с 750 млрд параметров через платформу EXAONE API Platform.
Разработчики, стартапы, компании и научно-исследовательские учреждения могут получить ключ API, чтобы использовать модель для разработки сервисов и исследований. LG описывает K-EXAONE 2.5 как модель для проверки технологий, созданную путем дополнительного обучения версии, выпущенной в августе 2026 года. В более ранней карточке модели K-EXAONE 2.0 описан выпуск с открытыми весами по лицензии Apache 2.0 на основе архитектуры «смесь экспертов», с 37 млрд активных параметров и контекстным окном на 262 144 токена.
Результаты тестирования агентных систем по данным разработчика
LG сообщила, что провела внутреннее тестирование K-EXAONE 2.5 на открытых наборах данных и обнаружила, что модель конкурентоспособна с передовыми мировыми моделями с открытыми весами. В документации модели приведено сравнение с ее предшественницей и двумя внешними системами:
| Тест | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, программирование с помощью ИИ-агента | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, агентный поиск | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench open-set, использование инструментов ИИ-агентом | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, использование инструментов ИИ-агентом | 77.29 | 62.11 | 75.78 | 77.64 |
Эти тесты оценивают разработку и модификацию программного обеспечения, поиск нужной информации в интернете, автоматизацию работы с SaaS-инструментами и решение агентами задач в рабочих средах. Согласно опубликованным LG результатам, K-EXAONE 2.5 превосходит предшественницу во всех четырех тестах. Модель показывает результаты выше, чем DeepSeek-V4.1-Flash, в SWE-Bench Pro, BrowseComp и Claw-Eval, но уступает ей в AutomationBench; по сравнению с GLM-5.3 она превосходит эту модель только в AutomationBench.
LG называет генерацию кода, отладку, рефакторинг и написание тестового кода среди возможных применений модели, рассматривая разработку программного обеспечения как один из основных сценариев ее использования наряду с агентным поиском и автоматизацией рабочих процессов.
Проектирование API и интеграция с агентами
K-EXAONE 2.5 работает только с текстом и поддерживает корейский и английский языки. В документации указаны 31 млрд активных параметров, дата отсечения знаний — январь 2026 года, а также такие функции, как чат, вызов инструментов, структурированные выходные данные, генерация кода и потоковая передача.
В справочнике конечных точек описан совместимый с OpenAI POST /v1/chat/completions интерфейс с идентификатором модели k-exaone_v2.5. Входные токены и max_tokens допустимый объем генерации, включающий рассуждения, не должны превышать 524 288 токенов; при превышении этого лимита запросы возвращают ошибку 400. Ответы передаются в стандартном формате JSON OpenAI, а при включенной потоковой передаче — фрагментами в формате событий, отправляемых сервером.
Параметры управления рассуждениями доступны напрямую. reasoning_effort по умолчанию — max, тогда как preserve_thinking может передавать рассуждения ассистента из предыдущих сообщений в запросах с несколькими обменами. В руководстве по агентам LG отмечает, что более высокая интенсивность рассуждений может увеличить время ответа и расход токенов, и отдельно рассматривает усилия, затрачиваемые на обработку текущего ответа, и передачу предыдущих рассуждений и истории вызовов инструментов.
В руководстве приведены настройки для универсального агента Hermes и агента для программирования OpenCode. В описанном рабочем процессе внешняя управляющая среда выполняет возвращенные моделью вызовы инструментов и передает результаты обратно, а на последующих этапах обрабатывает фрагменты текста, рассуждений и вызовов инструментов. Таким образом, разработчики получают через API рассуждения модели и решения о вызове инструментов, но за выполнение действий и управление циклом по-прежнему отвечает окружающий агент.
Бесплатный доступ снижает стоимость проверки результатов LG в области агентного программирования с помощью уже используемых инструментов, совместимых с OpenAI. Главный вопрос — насколько эти улучшения, выявленные во внутреннем тестировании, проявятся в промышленной разработке программного обеспечения и бизнес-процессах, где практическая ценность модели будет зависеть от глубины рассуждений, выполнения вызовов инструментов и управления контекстом.
