K-EXAONE 2.0 技术报告

LG AI Research 发布 K-EXAONE 2.0 技术报告，推出开源多语言 MoE 基础模型，总参数 7500 亿，每个 token 激活约 370 亿参数，支持最长 256K 上下文，多语言从 6 种扩展至 10 种。通过持续预训练等流程提升推理、智能体编码、多语言与安全能力，并以 Apache 2.0 协议开源。

相较于前代 K-EXAONE，K-EXAONE 2.0 通过架构升级将模型容量扩大三倍以上，支持更长上下文和更多语言，并在智能体编码、长上下文理解等实用场景中获得最大提升，且以 Apache 2.0 开源，为开源模型生态提供了新的基础模型选择，标志着 LG 向全球前沿模型迈进。

采用 MoE 架构，在不增加计算成本的情况下大幅增加模型总参数，提升容量。通过持续预训练、难度聚焦的中期训练和后期训练组合，强化推理、智能体编码、多语言及韩国社会文化背景下的安全性，使模型在实用场景的九项评测中表现领先。

对依赖开源模型的产品团队而言，K-EXAONE 2.0 提供了高容量、长上下文、多语言支持的选项，可降低自研大模型的成本，加速产品迭代。其 Apache 2.0 许可允许商业定制，但 750B 总参数对部署资源提出较高要求，需权衡推理成本。

• 集成 K-EXAONE 2.0 作为长文档理解与检索场景的底层模型，利用其 256K 上下文优势。
• 在其多语言能力基础上，开发面向韩语等 10 种语言的本地化客服或内容生成产品。
• 利用其智能体编码优势，构建辅助开发者的代码生成与自动化工具。

• K-EXAONE 2.0 在 agentic coding 和长上下文检索中的具体性能数据未在摘要中提供，需要技术报告原文确认。
• 模型训练的算力消耗、数据规模等细节尚未披露，难以评估其复现成本。
• 其安全性能在非韩国文化语境下的表现未知。