750B模型K-EXAONE 2.0开源

LG AI研究院在2026年7月31日正式发布并开源K-EXAONE 2.0，这款拥有750B总参数、37B激活参数的混合专家模型，成为韩国迄今规模最大的人工智能基础模型。

K-EXAONE 2.0是韩国科技信息通信部主权人工智能基础模型项目下开发的第二代模型，核心目标不是单纯追逐参数纪录，而是建立一套能够掌握本国语言、文化语境和产业知识，同时具备国际竞争力的基础模型。LG AI研究院选择以Apache 2.0许可证开放模型，也让它从韩国国内的政策项目，变成全球开发者可以下载、修改和用于商业项目的开放权重模型。

750B很大，但37B才是推理效率的关键数字

混合专家模型，也就是MoE（Mixture-of-Experts），是一种只为每个输入激活部分参数、以较低计算量容纳更大模型容量的神经网络架构。K-EXAONE 2.0虽然拥有750B，即7500亿个总参数，但每次推理只激活其中约37B参数，激活比例约为4.93%。

37B激活参数意味着K-EXAONE 2.0的单次推理计算量不会直接等同于一款750B稠密模型。它更像一家拥有7500亿规模知识储备、但每次只调动最相关专家处理任务的机构：不同输入会由路由机制送往不同专家，而不是让全部参数都参与每一个Token的计算。

混合注意力是一类组合不同注意力模式或层配置的架构设计，目的通常是在长上下文能力、全局信息交互与计算成本之间取得平衡。LG AI研究院将混合注意力与MoE结合，说明K-EXAONE 2.0的优化重点不只是扩大专家数量，也包括控制长序列处理的成本；不过，具体注意力比例、专家数量、路由策略和训练Token规模，仍应以模型卡及技术报告披露为准。

K-EXAONE 2.0的参数扩张幅度相当激进，其总参数从初代的236B提高至750B，扩大约3.18倍；激活参数则从23B提高至37B，扩大约1.61倍。总容量的增速远高于激活计算量的增速，正是这一代架构最值得关注的地方：LG试图用更多专家存放知识和能力，同时避免推理成本随总参数线性增长。

| 项目 | K-EXAONE初代 | K-EXAONE 2.0 | 变化 | |---|---:|---:|---:| | 总参数量 | 236B | 750B | 增至3.18倍 | | 推理激活参数 | 23B | 37B | 增至1.61倍 | | 激活参数占比 | 9.75% | 4.93% | 下降4.82个百分点 | | 24项基准平均分 | 63.3 | 70.1 | 增加6.8分 | | 综合相对提升 | — | 10.7% | 按平均分计算 | | 开源许可证 | 本次发布资料未重述 | Apache 2.0 | 允许修改和商业使用 |

综合得分提高10.7%，编码与智能体进步更明显

K-EXAONE 2.0在24项基准测试中的平均得分达到70.1分，高于初代的63.3分，绝对增加6.8分，相对提升约10.7%。这个结果表明，参数规模扩大并非只换来少数测试项目的峰值成绩，而是带来了覆盖推理、知识、编码、工具使用和长上下文任务的整体提升。

编码与智能体编码是K-EXAONE 2.0提升最明显的方向，LG公布的三项主要相关基准显示性能改进约30%。智能体编码并不等同于补全一段函数，它要求模型理解代码仓库、拆分任务、调用工具、读取执行结果并根据错误继续修改，因此比单轮代码生成更接近真实的软件开发流程。

工具使用能力是模型识别任务需求、选择外部工具、生成正确参数并利用返回结果继续完成任务的能力。报道称，K-EXAONE 2.0在这一维度超过GLM-5.1和Qwen3.5；如果这一优势能在真实环境中复现，它对企业工作流的意义可能大于聊天榜单上多出一两分，因为Agent最常见的失败并不是不会回答，而是选错工具、填错参数或无法处理工具返回的异常。

长上下文理解是模型在较长输入中检索、关联并正确使用分散信息的能力。K-EXAONE初代支持最高256K Token上下文，而本次报道显示2.0在长上下文理解评估中优于GLM-5.1，但现有资料没有给出2.0的最大上下文窗口、具体测试名称和双方分数，因此不能简单把“理解更好”等同于“窗口更长”。

指令执行能力决定了模型能否严格遵循格式、约束、步骤和角色要求。K-EXAONE 2.0在相关评估中被描述为与GLM-5.1、DeepSeek V4 Pro Max和Qwen3.5处于相近水平，这意味着它至少已经进入当前主流前沿模型的竞争区间，而不再只是偏重韩语能力的区域模型。

| 模型 | 本次资料披露的参数 | 权重与价格信息 | K-EXAONE 2.0对比结果 | |---|---|---|---| | K-EXAONE 2.0 | 750B总参数、37B激活 | Apache 2.0开放权重，无官方按量价格，部署成本由使用者承担 | 24项基准均分70.1 | | K-EXAONE初代 | 236B总参数、23B激活 | 本次资料未重述 | 2.0综合分数相对提高10.7% | | GLM-5.1 | 本次资料未披露 | 本次资料未提供可比价格 | 2.0长上下文更强，指令执行相当 | | Qwen3.5 | 本次资料未披露 | 本次资料未提供可比价格 | 2.0工具使用更强，指令执行相当 | | DeepSeek V4 Pro Max | 本次资料未披露 | 本次资料未提供可比价格 | 指令执行表现相当 |

横向比较目前仍应被视为LG一方发布的评估结论，而不是已经得到第三方充分复现的最终排名。尤其是“优于”GLM-5.1或Qwen3.5的说法尚未附带具体分数、采样参数、思考预算、上下文长度和工具环境；这些设置只要不同，模型排名就可能发生变化。

24项测试的平均分也不能完全替代逐项结果，因为不同基准的难度、满分定义和业务价值并不相同。如果70.1是未经归一化的简单平均值，单一平均数可能掩盖模型在某些关键任务上的短板；开发者更应该查看与自身场景接近的单项测试，而不是只依据总平均分选型。

Apache 2.0真正降低的是使用门槛，不是硬件门槛

Apache 2.0是一种允许使用、修改、分发和商业应用的宽松开源许可证，并提供明确的专利授权条款。对企业而言，这比只允许研究用途或要求单独申请商业许可的模型更容易进入正式产品，但实际使用时仍需要遵守许可证中的版权、声明和修改标注要求。

750B总参数依然意味着极高的存储和部署门槛，因为MoE减少的是每个Token参与计算的参数量，而不是自动让其余专家从磁盘中消失。按照BF16每个参数约2字节粗略估算，仅模型权重就需要约1.5TB存储；即便采用4比特量化，理论权重体积仍约375GB，实际运行还需要额外空间保存量化元数据、KV Cache、路由和框架开销。

37B激活参数也不等于模型可以像普通37B稠密模型一样部署在单张消费级显卡上。为了避免专家频繁从低速存储加载，完整专家权重通常需要常驻多块GPU或分布式内存中，而跨设备通信、专家负载不均和并发批处理都会影响最终吞吐量。

K-EXAONE 2.0更现实的早期用户会是拥有多卡服务器的研究机构、云计算平台和大型企业，而不是希望在个人电脑上直接运行模型的普通开发者。Apache 2.0让二次训练、蒸馏、量化和行业适配更方便，但真正扩大开发者覆盖面，还要等待社区提供更小尺寸版本、成熟量化方案和经过验证的推理框架支持。

韩国主权AI路线开始从本地化走向前沿化

主权人工智能是由一个国家或地区掌握模型、数据、算力与部署控制权的人工智能体系。韩国推动这一项目的直接动机，是避免政府、制造业、金融和公共服务长期依赖美国或中国的闭源模型，同时确保韩语数据、文化语境和本地法规能够进入模型训练与治理体系。

K-EXAONE系列的差异化价值首先来自韩语，而不是参数榜单。韩语存在敬语体系、复杂词尾变化和高度依赖社会关系的表达方式，通用多语言模型即使能完成翻译，也未必能准确处理韩国历史、法律、职场沟通和社会文化中的隐含语境；针对本土数据训练的基础模型更容易在这些场景建立稳定优势。

LG AI研究院同时拥有制造、化学、材料、电子和企业服务等产业资源，这让K-EXAONE 2.0具备向专业场景延伸的条件。相比只做通用聊天助手，把模型接入材料发现、专利检索、工厂知识库、设备维护和企业编码流程，可能更符合LG投入750B模型的商业逻辑。

750B这一规模也显示韩国没有把主权AI理解为“够用即可”的区域语言模型，而是在尝试进入全球前沿模型竞争。它的总参数已经超过初代K-EXAONE的3倍，也超过许多主流开放模型，但模型价值最终仍取决于训练数据质量、推理效率、工具生态和真实任务表现，参数数量本身不能直接兑换成智能水平。

这次发布值得关注，但还不能只看发布方跑分下结论

K-EXAONE 2.0最有说服力的进步，是用4.93%的参数激活比例承载750B总容量，并把24项基准平均分从63.3提高到70.1。相比单纯堆出更大的稠密模型，这条路线更符合当前前沿模型控制推理成本、增强专业能力和扩展Agent应用的发展方向。

K-EXAONE 2.0目前最大的悬念，是第三方能否复现其长上下文、工具使用和编码智能体成绩。开发者接下来需要关注完整技术报告、训练数据说明、上下文窗口、专家路由配置、量化兼容性、真实吞吐量，以及同等硬件和推理预算下与GLM-5.1、Qwen3.5等模型的公平比较。

这次开源对全球模型格局的影响不会立即体现为用户迁移，却会提高区域基础模型的竞争标准。韩国此前更擅长芯片、终端和制造业，如今LG用750B开放模型证明，主权AI项目也可以同时追求规模、开放许可证与前沿性能，而不是停留在政府采购或本地语言适配层面。

参考来源

• IT之家：LG AI研究院发布750B参数K-EXAONE 2.0 — 本次发布时间、参数规模、许可证与基准成绩的主要信息来源。
• LG AI Research官方K-EXAONE代码仓库 — 提供K-EXAONE系列模型介绍、初代参数和评估资料。
• LG AI Research的Hugging Face主页 — 用于查看官方发布的模型权重、模型卡、许可证及后续版本文件。
• 知乎：K-EXAONE基础模型介绍 — 补充初代模型的MoE架构、236B总参数、23B激活参数及256K上下文信息。