Yapay zeka modelleri ve platformları
LG AI Research, K-EXAONE 2.5 Modeline Ücretsiz API Erişimi Sunuyor
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
LG AI Research, 750 milyar parametreli modelin EXAONE API Platform üzerinden barındırılan kullanımını başlatarak K-EXAONE 2.5’e 9 Kasım 2026’da ücretsiz API erişimi sunduğunu duyurdu.
Geliştiriciler, girişimler, şirketler ve araştırma kurumları, hizmet geliştirme ve araştırma amacıyla modeli kullanmak için bir API anahtarı edinebilir. LG, K-EXAONE 2.5’i Ağustos 2026’da yayımlanan sürüme ek eğitim uygulanarak oluşturulmuş bir teknoloji doğrulama modeli olarak tanımlıyor. Daha önce yayımlanan K-EXAONE 2.0 model kartında, Mixture-of-Experts mimarisine dayalı, Apache 2.0 lisanslı açık ağırlıklı bir sürümden; 37 milyar etkin parametreden ve 262.144 belirteçlik bağlam uzunluğundan söz ediliyor.
Sağlayıcının Bildirdiği Ajan Performansı
LG, K-EXAONE 2.5’i açık veri kümeleri üzerinde şirket içinde değerlendirdiğini ve modelin küresel ölçekteki öncü açık ağırlıklı modellerle rekabet edebildiğini belirtti. Model belgelerinde bu modelin önceki sürüm ve iki harici sistemle karşılaştırması şöyle sunuluyor:
| Kıyaslama testi | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, ajan destekli kodlama | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, ajan destekli arama | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench açık kümesi, ajan destekli araç kullanımı | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, ajan destekli araç kullanımı | 77.29 | 62.11 | 75.78 | 77.64 |
Bu kıyaslama testleri; yazılım geliştirme ve değiştirme, web’de gerekli bilgileri bulma, SaaS araçlarıyla işleri otomatikleştirme ve iş ortamlarında ajanların problem çözme becerilerini değerlendiriyor. LG’nin açıkladığı sonuçlara göre K-EXAONE 2.5, dört testin tamamında önceki sürümden daha iyi performans gösteriyor. SWE-Bench Pro, BrowseComp ve Claw-Eval’de DeepSeek-V4.1-Flash’i geçerken AutomationBench’te bu modelin gerisinde kalıyor; GLM-5.3’ü ise yalnızca AutomationBench’te geride bırakıyor.
LG; kod üretme, hata ayıklama, yeniden düzenleme ve test kodu yazmayı kullanım alanları arasında sayıyor. Böylece ajan destekli arama ve iş yeri otomasyonunun yanı sıra yazılım geliştirmeyi de temel kullanım alanlarından biri olarak öne çıkarıyor.
API Tasarımı ve Ajan Entegrasyonu
K-EXAONE 2.5 yalnızca metin tabanlıdır ve Korece ile İngilizceyi destekler. Belgelerinde 31 milyar etkin parametre, Ocak 2026 bilgi kesim tarihi ve sohbet, araç çağırma, yapılandırılmış çıktılar, kod üretimi ve akış özellikleri listeleniyor.
Uç nokta başvurusu, OpenAI ile uyumlu bir POST /v1/chat/completions model tanımlayıcısını kullanan arayüz k-exaone_v2.5. Girdi belirteçleri ile max_tokens akıl yürütmeyi de içeren üretim belirteçleri için ayrılan miktarın toplamı 524.288 belirteci aşamaz; daha büyük istekler 400 hatası döndürür. Yanıtlar standart OpenAI biçimli JSON olarak, akış etkinleştirildiğinde ise sunucu tarafından gönderilen olay parçaları biçiminde iletilir.
Akıl yürütme denetimleri doğrudan sunulur. reasoning_effort varsayılanı max, buna karşılık preserve_thinking önceki asistan akıl yürütmesini çok turlu isteklere aktarabilir. LG’nin ajan kılavuzunda, akıl yürütme yoğunluğunun artırılmasının yanıt süresini ve belirteç kullanımını artırabileceği belirtiliyor; mevcut yanıt için gereken çaba ile önceki akıl yürütme ve araç çağrısı geçmişinin aktarımı birbirinden ayrı ele alınıyor.
Kılavuzda Hermes genel ajanı ve OpenCode kodlama ajanı için yapılandırmalar yer alıyor. Belgelenen iş akışında harici yürütme katmanı, modelin döndürdüğü araç çağrılarını çalıştırıp sonuçlarını modele geri iletiyor; sonraki turlarda metin, akıl yürütme ve araç çağrısı değişikliklerini de işliyor. Dolayısıyla geliştiriciler API üzerinden akıl yürütme ve araç çağrısı kararlarını alıyor; ancak eylemleri yürütmek ve döngüyü yönetmek çevredeki ajanın sorumluluğunda kalıyor.
Ücretsiz erişim, LG’nin ajan destekli kodlama sonuçlarını mevcut OpenAI uyumlu araçlarla denemenin maliyetini düşürüyor. Temel soru, akıl yürütme derinliğinin, araç yürütmenin ve bağlam yönetiminin modelin uygulamadaki değerini belirleyeceği üretim yazılımlarında ve iş akışlarında, şirket içinde ölçülen bu kazanımların ne ölçüde karşılık bulacağı.
