K-EXAONE 2.5 API免费开放，LG把Agent模型直接送进开发环境

LG AI研究院在11月9日宣布，免费开放K-EXAONE 2.5模型API，开发者、企业、初创公司和研究机构均可申请使用，并将模型用于服务开发与研究。K-EXAONE 2.5不是一次常规的聊天能力更新，而是一款明显面向智能体、软件工程和工具调用场景追加训练的技术验证模型。(lgresearch.ai)

K-EXAONE 2.5是LG AI研究院基于今年8月版本继续训练、用于验证Agentic AI能力的基础模型。 官方没有把重点放在参数规模、上下文窗口或通用知识跑分上，而是一次性公布AutomationBench、SWE-Bench Pro、BrowseComp和Claw-Eval四项智能体评测成绩，目标非常明确：证明这款模型能不能真正调用工具、浏览网页、修改代码并完成多步骤任务。

这次开放最值得关注的并不是“又多了一个免费模型”，而是LG把一款接近当前头部开放模型水平的Agent模型，直接放到了开发者可以调用的位置。对于正在做代码智能体、办公自动化、网页研究助手或企业内部工作流的团队，这比发布一个只能在模型榜单上展示成绩的权重更实用。

四项评测，K-EXAONE 2.5没有明显短板

K-EXAONE 2.5在四项公开基准上的特点是均衡，而不是依赖某一个高分项目制造宣传效果。LG公布的结果显示，它与DeepSeek-V4.1-Flash、GLM-5.3之间的差距大多只有1至5分，部分项目已经超过对手。(lgresearch.ai)

| 模型 | AutomationBench Openset | SWE-Bench Pro | BrowseComp | Claw-Eval | |---|---:|---:|---:|---:| | K-EXAONE 2.5 | 74.6 | 59.2 | 78.0 | 77.3 | | DeepSeek-V4.1-Flash | 74.9 | 58.4 | 75.8 | 75.8 | | GLM-5.3 | 71.6 | 64.0 | 79.0 | 77.6 |

AutomationBench Openset是衡量模型能否操作SaaS工具、完成真实办公自动化任务的基准。 K-EXAONE 2.5得到74.6分，只比DeepSeek-V4.1-Flash低0.3分，同时领先GLM-5.3整整3分。这意味着它在调用企业软件、识别任务状态和连续执行操作方面，至少已经进入头部模型所在的区间。

SWE-Bench Pro是衡量模型能否理解真实代码仓库并修复软件问题的工程化评测。 K-EXAONE 2.5获得59.2分，比DeepSeek-V4.1-Flash高0.8分，但比GLM-5.3低4.8分。这也是四项测试里它与领先模型差距最大的一项，说明LG虽然强化了代码能力，但在复杂仓库理解、跨文件修改和测试闭环方面仍有提升空间。

BrowseComp是衡量模型能否在网页中检索、筛选并整合分散信息的智能体基准。 K-EXAONE 2.5得到78.0分，比DeepSeek-V4.1-Flash高2.2分，仅比GLM-5.3低1分。对于研究助手、竞品分析和带引用的搜索Agent而言，这项成绩比普通问答跑分更有参考价值，因为模型必须自己决定搜索什么、打开哪些页面，以及何时停止继续搜索。

Claw-Eval是面向实际工作环境评估Agent问题解决能力的综合基准。 K-EXAONE 2.5得到77.3分，比DeepSeek-V4.1-Flash高1.5分，与GLM-5.3只差0.3分。它反映的不是单轮答案质量，而是模型在任务拆解、状态管理、工具调用和结果验证之间能否形成闭环。

把四项成绩放在一起看，K-EXAONE 2.5更像一名没有明显偏科的“执行型模型”。它在软件工程上没有击败GLM-5.3，但在SaaS自动化和网页浏览上保持了竞争力，适合需要同时处理代码、网页和业务系统的复合型Agent，而不是只针对算法题优化的编程模型。

免费API比开放权重更适合快速验证

模型API是由服务方托管推理基础设施、开发者通过网络请求直接使用模型能力的服务接口。 对多数应用团队而言，API的价值是不用先解决GPU集群、推理框架、量化精度和并发调度，就可以直接判断模型是否适合自己的业务。

K-EXAONE家族此前已经提供可下载模型，但其完整版本并不是适合普通工作站部署的小模型。早期K-EXAONE采用细粒度混合专家架构，总参数量为2360亿，推理时激活230亿参数；其后发布的K-EXAONE 2.0进一步扩大到约7500亿总参数、370亿激活参数。前者在完整256K上下文下，官方建议使用4张H200进行张量并行部署，硬件门槛显然不是每个开发团队都愿意承担的。(github.com)

需要注意的是，LG尚未在本次公告中披露K-EXAONE 2.5的总参数量、激活参数量、上下文窗口、吞吐量和底层硬件配置，因此不能直接断言2.5沿用了K-EXAONE 2.0的7500亿参数架构。更稳妥的理解是：2.5代表一次面向Agent任务的后训练升级，而不是已经公开全部技术细节的新基础架构。

| 使用方式 | 前期成本 | 上手速度 | 可控性 | 更适合的阶段 | |---|---:|---:|---:|---| | K-EXAONE 2.5免费API | 低 | 快 | 中等 | 原型验证、模型评测、产品试运行 | | 自行部署K-EXAONE权重 | 高 | 慢 | 高 | 数据隔离、深度定制、大规模稳定调用 | | 采购成熟商业闭源模型 | 按量付费 | 快 | 较低 | 对稳定性、生态和多模态要求较高的生产业务 |

免费API因此解决的是最现实的一步：先让开发者验证“它能不能完成任务”，再决定是否投入基础设施。一个十人团队没有必要为了跑一轮SWE-Bench子集，先采购或租用多张高端GPU；接入托管模型后，团队可以直接用自己的代码仓库、工具定义和Agent循环做A/B测试。

真正的竞争点是工具调用，而不是聊天

Agentic AI是能够围绕目标自主规划步骤、调用外部工具并根据执行结果继续行动的人工智能系统。 普通聊天模型生成一段答案就结束，Agent模型则需要像一名刚入职的工程师：先理解需求，再打开代码仓库，搜索相关文件，修改代码，运行测试，发现失败后继续修复。

K-EXAONE系列已经具备工具调用能力，并兼容OpenAI和Hugging Face的工具描述方式。其公开仓库还提供推理模式、非推理模式以及搜索Agent示例，这意味着模型并非只能输出自然语言，而是可以产生结构化工具调用，再由Agent框架执行具体操作。(github.com)

这项能力对开发者的价值主要体现在四类场景：

• 代码维护Agent： 自动定位缺陷、生成补丁、补充测试并解释改动影响。
• 企业办公Agent： 跨邮件、文档、表格和项目管理工具完成重复流程。
• 网页研究Agent： 搜索多来源信息、判断冲突并输出带证据的结论。
• 内部知识Agent： 结合检索系统和业务工具处理审批、客服与运维请求。

LG在公告中重点提到代码生成、调试、重构和测试代码编写，但SWE-Bench Pro的59.2分说明它还不是一个可以完全脱离人工审查的软件工程师。59.2分意味着模型在大量真实问题上依然会失败，而失败可能发生在依赖安装、需求理解、测试覆盖或多文件修改的任何一步。

开发团队更合理的用法不是让模型直接获得生产环境写权限，而是把它放进“提出修改—运行沙箱测试—人工审查—合并代码”的流水线。Agent分数越高，代表它需要人工接管的次数可能越少，但不代表可以取消权限隔离和结果验证。

LG选择了一条和大厂不同的切入路径

K-EXAONE 2.5没有试图在消费级聊天产品上正面争夺用户，而是优先进入开发者与研究者的工作流。这个策略比做另一个通用聊天机器人更现实，因为LG AI研究院的优势本来就不在全球消费者入口，而在企业场景、工业数据和韩国本土生态。

与DeepSeek和智谱相比，LG目前的开发者生态仍然偏弱。DeepSeek已经通过模型权重、推理框架适配和大量社区项目形成较强影响力，GLM则同时拥有云服务、Agent产品和中文开发者基础。LG虽然已经在GitHub和Hugging Face持续发布模型，但K-EXAONE官方GitHub仓库目前的社区规模仍较小，工具链教程、第三方框架适配和真实案例数量都需要继续补齐。(github.com)

免费开放API是一种直接的生态补课手段。模型能力接近时，开发者通常不会只看排行榜，而会看接入成本、限流规则、文档质量、错误率、结构化输出稳定性和工具调用兼容性。免费可以吸引第一批测试者，但能不能留住他们，最终仍取决于工程体验。

还有几个关键问题没有答案

K-EXAONE 2.5当前更像一场公开技术验证，而不是规格完整的商业化发布。LG尚未披露免费政策持续多久，也没有在公告中给出调用频率、Token额度、并发限制、数据保留政策和服务等级协议。

这些缺失信息会直接影响企业是否敢把它接入正式系统。一个模型即使免费，如果每天只能完成少量请求，就更适合评测而不是上线；如果输入输出会被保留用于改进服务，企业也需要重新评估代码、合同和内部文档能否提交。

官方公布的跑分也属于基于开放数据集的自行测量结果，而非独立第三方在统一环境下完成的盲测。不同模型可能使用不同的提示词、工具配置、推理预算和重试策略，Agent基准尤其容易受到执行框架影响。因此，74.6分和78.0分可以证明K-EXAONE 2.5具备竞争力，但不能直接推导出它在所有业务中都优于DeepSeek或GLM。

开发者下一步最值得测试的不是“让模型写一个贪吃蛇”，而是以下三件事：

1. 使用同一套工具定义，对比多个模型的工具选择正确率和参数格式稳定性。
2. 使用自己的代码仓库测试跨文件修改、测试通过率和无关改动比例。
3. 记录每个完整任务的延迟、Token消耗、重试次数和人工接管率。

真正决定Agent成本的不是单次调用价格，而是完成一个任务需要调用多少次。一个免费但需要反复纠错10次的模型，未必比一次完成任务的付费模型更便宜；反过来，如果K-EXAONE 2.5能在多数任务上稳定接近GLM-5.3和DeepSeek-V4.1-Flash，它就会成为很有吸引力的评测基线。

OpenAI Hub观点：值得测试，但暂时不该替代主力模型

K-EXAONE 2.5最有价值的地方，是免费降低了高水平Agent模型的验证门槛。它在AutomationBench、BrowseComp和Claw-Eval上表现稳定，在SWE-Bench Pro上也处于可用区间，已经足够进入开发者的模型候选列表。

但K-EXAONE 2.5目前还缺少生产级服务最重要的公开信息，包括上下文规格、限额、延迟、稳定性、数据政策和长期定价。开发者可以把它接进评测框架，作为代码Agent或搜索Agent的备选后端，却不应该因为“免费”两个字立刻替换现有主力模型。

这次发布的真正信号是，Agent模型的竞争已经从“谁能拿到更高的推理分数”，转向“谁能以更低门槛进入真实工具链”。LG没有在聊天产品上制造太大声量，却选择用免费API把模型直接交到开发者手里，这一步不花哨，但比再发一张通用能力榜单更有效。

如果LG接下来能够公开更完整的API规格、稳定性指标和独立评测结果，K-EXAONE 2.5就不只是韩国主权AI项目的一次成果展示，而可能成为亚洲开发者构建Agent时，一个真正有竞争力的模型选项。

参考来源

• IT之家：LG AI研究院宣布免费开放K-EXAONE 2.5模型API——本次API开放消息及四项Agent评测概览。
• GitHub：LG AI Research K-EXAONE官方仓库——模型架构、工具调用、推理框架支持与部署要求。
• Hugging Face：LG AI Research官方主页——K-EXAONE系列模型、权重版本和技术报告索引。
• Hugging Face：K-EXAONE 2.0 750B-A37B——K-EXAONE 2.0模型规模与开放权重信息。