K-EXAONE 2.0 후기, 가격, 판단

직접 호스팅할 수 있는 제약이 적은 라이선스 모델이 필요하다면 후보로 올릴 만합니다. 컨텍스트 윈도는 262,144 토큰이고, 자체 비교 표에서 장문 컨텍스트 검색이 강합니다. 코딩이나 수학 성능이 우선이면 건너뛰십시오. 이 항목들은 DeepSeek V4 Pro와 GLM이 대부분 더 높게 나옵니다.

K-EXAONE 2.0은 LG AI Research가 2026년 7월 31일 공개한 오픈 웨이트 MoE 언어 모델입니다. 파라미터 7,500억 개 중 370억 개를 활성화하고, 모델 카드에서 SWE-bench Verified 68.2%를 보고했습니다.

Provider: LG AI Research · Family: EXAONE

More about LG AI Research on HokAI

Context window: 262,144 토큰

Input modalities: text, tool-calls · Output: text, tool-calls

K-EXAONE 2.0 소개

K-EXAONE 2.0(엑사원)은 LG AI Research가 2026년 7월 31일 Hugging Face에 공개한 최신 텍스트 모델입니다. 전체 파라미터 7,500억 개 가운데 토큰마다 370억 개만 쓰는 전문가 혼합(MoE) 구조입니다. 한국의 독자 AI 파운데이션 모델 프로젝트(Sovereign AI Foundation Model Project)를 위해 만든 두 번째 모델이며, LG AI Research 모델 전체는 HokAI 모델 디렉터리에서 볼 수 있습니다.

첫 K-EXAONE은 2,360억 개(활성 230억 개)였습니다. 연구소는 이 모델의 깊이와 너비를 키운 뒤 지속 사전학습, 난이도 중심 미드트레이닝, 사후 학습을 거쳤습니다. 지금까지 국내에서 만든 파운데이션 모델 가운데 가장 큰 규모라고 소개합니다.

구조는 주요 층 78개(밀집 층 2개, 희소 층 76개)에 멀티 토큰 예측 층 1개를 더한 형태입니다. 희소 층마다 라우팅 전문가 256개와 공유 전문가 1개를 두고, 라우팅 전문가 8개를 활성화합니다. 어텐션은 슬라이딩 윈도 층(윈도 128과 4,096 토큰)과 주기적인 글로벌 층을 섞었고, 쿼리 헤드 64개와 키·값 헤드 8개를 씁니다. 어휘 크기는 153,600개, 컨텍스트 길이는 262,144 토큰으로 128K에서 400K 구간에 들어갑니다. 지식 기준 시점은 2025년 2분기입니다.

모델 카드의 벤치마크 표를 보면 MMLU-Pro 83.5, GPQA-Diamond 82.2, AIME 2026 92.3입니다. SWE-bench Verified는 68.2, Terminal-Bench 2.1은 43.8, Humanity's Last Exam은 18.3입니다. 모두 벤더가 보고한 수치이고, 이 페이지를 쓴 시점에 독립 평가는 찾지 못했습니다. 같은 표에서 Qwen3.5, GLM-5.1, DeepSeek V4 Pro는 지식과 코딩 항목 대부분에서 앞섭니다. 그래서 이 모델은 해당 영역의 선두라기보다 경쟁력 있는 오픈 모델에 가깝습니다.

연구소에 따르면 24개 벤치마크 평균은 첫 K-EXAONE의 63.3에서 70.1로 올랐고, 코딩·에이전트 코딩 테스트 3개는 약 30% 좋아졌습니다. 가장 강한 근거는 장문 컨텍스트 검색입니다. OpenAI-MRCR 94.4, Ko-LongBench 89.6을 기록했습니다. AA-LCR은 56.2로, 표에 오른 경쟁 모델 세 곳이 모두 더 높습니다.

추론 모드는 기본으로 켜져 있고, preserve_thinking 옵션을 쓰면 앞선 추론 내용을 턴 사이에 이어 갑니다. 모델 카드는 에이전트 실행과 딥 리서치에 이 옵션을 권합니다. 도구 호출은 두 서빙 엔진 모두에서 지원합니다. 다만 에이전트 도구 사용 점수는 보통 수준이어서 tau3 Banking 테스트는 14.2입니다.

지원 언어는 6개에서 10개로 늘었습니다. 한국어, 영어, 스페인어, 독일어, 일본어, 베트남어, 프랑스어, 이탈리아어, 폴란드어, 포르투갈어를 다룹니다. 한국어는 연구소의 본거지 시장인데도 표 안의 한국어 지식 점수가 가장 높지는 않습니다. KMMLU-Pro는 69.1로, GLM-5.1의 75.8보다 낮습니다. 한국어 품질만 보고 고르려는 팀은 자체 프롬프트로 먼저 시험해 보십시오.

Naver의 HyperCLOVA X(Naver 모델 목록)와 Upstage의 Solar Pro 4(Upstage 모델)가 비교 대상입니다. 입력은 텍스트만 받습니다.

웨이트는 BF16, FP8, NVFP4, DSpark 추측 디코딩 빌드로 공개되며 모두 Apache License 2.0입니다. 그래서 오픈소스 라이선스 모델이자 정식 출시 모델에 속합니다. 모델 카드의 서빙 예시는 NVIDIA H200 GPU 8개짜리 노드 2대에서 LG 계열 포크 버전의 SGLang과 vLLM을 씁니다. MTP와 DSpark 추측 디코딩으로 생성 속도가 대략 세 배에서 다섯 배 빨라진다고 합니다.

FriendliAI는 전용 엔드포인트 옵션을 안내하고, 브라우저 데모는 k.exaone.ai에서 열립니다. 확인한 어느 페이지에도 토큰당 API 요금은 없어서, 비용은 보유한 GPU 예산에 달려 있습니다.

안전성 항목에서 연구소는 KGC-Safety 99.8, ROK-Fortress 89.5를 보고했고 두 점수의 평균은 94.6입니다. 한국과 글로벌 안전 기준 준수, 지정학적으로 민감한 상황을 각각 보는 시험입니다. 모든 언어 모델이 그렇듯 모델 카드는 편향되거나 부적절한 출력, 오래된 지식이 나올 수 있다고 경고합니다.

제약이 적은 라이선스의 자체 호스팅 모델이 필요하고 한국 시장·주권 요건이 있는 조직에 잘 맞습니다. 코딩 성능이 가장 중요한 팀에는 덜 맞습니다. 모델 카드에서는 DeepSeek V4 Pro와 Z.ai의 GLM 계열이 더 높은 점수를 냅니다. HokAI에는 GLM-5.3이 등록되어 있습니다.

가격

LG AI Research는 확인한 페이지 어디에도 K-EXAONE 2.0의 토큰당 API 요금을 공개하지 않았습니다. 비용은 자체 호스팅에 필요한 모델 카드 기준 GPU 장비 규모로 결정됩니다. 토큰당 요금 모델과 견줄 대상으로는 [DeepSeek V4 Pro](/hub/models/deepseek-v4-pro)와 [Kimi K3](/hub/models/kimi-k3)가 있습니다.

주요 기능

• 전문가 혼합 구조: 희소 층마다 라우팅 전문가 256개와 공유 전문가 1개를 두고, 토큰마다 라우팅 전문가 8개를 활성화합니다.
• 하이브리드 어텐션: 슬라이딩 윈도 층 3개와 글로벌 층 1개를 한 블록으로 묶고 NoPE 글로벌 층을 더해, 긴 입력의 비용을 낮춥니다.
• 전환 가능한 추론 모드: 추론이 기본으로 켜져 있고 요청마다 끌 수 있으며, 멀티턴 에이전트 실행용 preserve_thinking 플래그가 있습니다.
• 내장형 추측 디코딩: MTP와 DSpark 빌드는 추측 디코딩을 더해 출력 속도를 몇 배 끌어올린다고 모델 카드가 설명합니다.
• 네 가지 빌드의 Apache 라이선스 웨이트: 전체 정밀도, FP8, NVFP4, DSpark 체크포인트가 상업적 이용이 가능하도록 Hugging Face에 공개되어 있습니다.

장점

• 프런티어급 웨이트가 제약이 적은 Apache 라이선스라서, 사용 계약 없이 직접 호스팅하고 파인튜닝해 배포할 수 있습니다.
• 연구소의 안전성 시험 두 가지 모두에서 비교 표의 최고 점수를 기록해, 한국의 공공·규제 산업 구매자에게 의미가 있습니다.
• 벤더가 FP8과 NVFP4 양자화 빌드를 직접 내놓아 자체 호스팅에 필요한 메모리 부담을 줄입니다.

단점

• 자체 표에서 코딩·수학·지식 항목은 중국계 오픈 모델에 뒤지고, 한국어 KMMLU-Pro도 69.1에 그칩니다.
• 모델 카드의 서빙 예시가 8 GPU 노드 2대에 걸치므로 멀티 노드 GPU 장비가 필요합니다.
• 빠른 시작이 포크 버전 엔진에 의존하고 토큰당 호스팅 요금도 공개되지 않아 도입 준비 작업이 늘어납니다.

Benchmarks

• MMLU-Pro: 83.5% vendor-reported · 12 Oct 2026 — A harder version of the 57-subject knowledge exam, % correct.
• AIME 2026: 92.3% vendor-reported · 12 Oct 2026 — Competition-level maths problems from the 2026 exam, % solved.
• GPQA Diamond: 82.2% vendor-reported · 12 Oct 2026 — PhD-level science questions that are hard to search for, % correct.
• SWE-bench Verified: 68.2% vendor-reported · 12 Oct 2026 — Real GitHub issues fixed end to end, % solved.
• Terminal-Bench 2.1: 43.8% vendor-reported · 12 Oct 2026 — Multi-step tasks completed in a real command line, % solved.
• Humanity's Last Exam: 18.3% vendor-reported · 12 Oct 2026 — Expert-written questions across many fields, % correct.

A benchmark is an exam, not the job. Scores transfer unevenly between tasks, so weigh the one closest to your workload and read every figure with its source.

Visit K-EXAONE 2.0 Official Page