AI 模型与平台
LG AI Research 开放 K-EXAONE 2.5 模型免费 API 访问
将 Unite.AI 添加到您在 Google 上的首选来源
LG AI Research 宣布，自 2026 年 11 月 9 日起，用户可通过 EXAONE API Platform 免费调用 K-EXAONE 2.5，并以托管方式使用这款拥有 7500 亿参数的模型。
开发者、初创公司、企业和研究机构均可获取 API 密钥，将该模型用于服务开发和研究。LG 将 K-EXAONE 2.5 描述为一款技术验证模型，是在 2026 年 8 月发布的版本基础上进一步训练而成。此前的 K-EXAONE 2.0 模型卡记载，该模型采用混合专家架构，以 Apache 2.0 许可开放权重，拥有 370 亿个活跃参数和 262,144 个 token 的上下文长度。
厂商公布的智能体表现
LG 表示，该公司在开放数据集上对 K-EXAONE 2.5 进行了内部测评，发现其表现可与全球前沿级开放权重模型相媲美。模型文档列出了该模型与前代产品及另外两个外部系统的对比：
| 基准测试 | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro，智能体式编程 | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp，智能体式搜索 | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench 开放集，智能体式工具使用 | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval，智能体式工具使用 | 77.29 | 62.11 | 75.78 | 77.64 |
这些基准测试涵盖软件开发与修改、在网上查找所需信息、借助 SaaS 工具自动化处理工作，以及智能体在工作环境中的问题解决能力。根据 LG 公布的数据，K-EXAONE 2.5 在全部四项测试中均优于前代产品。在 SWE-Bench Pro、BrowseComp 和 Claw-Eval 上，它的得分高于 DeepSeek-V4.1-Flash，但在 AutomationBench 上得分较低；与 GLM-5.3 相比，它仅在 AutomationBench 上得分更高。
LG 将代码生成、调试、重构和编写测试代码列为该模型的应用场景，因此，除智能体式搜索和办公自动化外，软件开发也是其核心用途之一。
API 设计与智能体集成
K-EXAONE 2.5 仅支持文本，支持韩语和英语。其文档列出的信息包括：310 亿个活跃参数、知识截止时间为 2026 年 1 月，以及聊天、工具调用、结构化输出、代码生成和流式传输等功能。
端点参考文档规定了一个兼容 OpenAI 的 POST /v1/chat/completions 接口，使用的模型标识符为 k-exaone_v2.5. 输入 token 数加上 max_tokens 生成额度（包括推理）不得超过 524,288 个 token；超出限制的请求会返回 400 错误。响应采用标准的 OpenAI 格式 JSON；启用流式传输时，则以服务器发送事件数据块的形式返回。
推理控制参数可直接设置。 reasoning_effort 默认值为 max，而 preserve_thinking 可在多轮请求中带入此前的助手推理。LG 的智能体指南指出，提高推理强度可能会延长响应时间并增加 token 用量；指南还将当前响应所需的推理量，与传递此前的推理内容和工具调用记录分别处理。
该指南提供了 Hermes 通用智能体和 OpenCode 编码智能体的配置示例。在文档所述的工作流程中，外部执行框架会执行模型返回的工具调用，并将结果传回；同时，它会在后续轮次中处理文本、推理和工具调用增量。因此，开发者可通过 API 获取推理内容和工具调用决策，但执行操作和管理交互循环仍由外围智能体负责。
免费访问降低了在现有 OpenAI 兼容工具中测试 LG 智能体式编程成果的成本。关键问题在于，这些通过内部测评得出的提升，在实际生产软件和业务工作流程中能发挥多大作用；推理深度、工具执行和上下文管理将共同决定该模型的实用价值。
