韓國最大 AI 模型問世：LG 發佈 7500 億參數 K-EXAONE 2.0，Apache 開源直面中國模型

韓國最大 AI 模型問世：LG 發佈 7500 億參數 K-EXAONE 2.0，Apache 開源直面中國模型

韓國人工智慧發展迎來重要里程碑。LG AI 研究院於 7 月 31 日正式在 Hugging Face 平台上發佈 K-EXAONE 2.0 模型，這款由韓國科技資訊通信部主權人工智慧基金會模型計畫所支持的第二代產品，以高達 7500 億的總參數規模，一舉成為韓國迄今為止開發過的最大人工智慧基礎模型，也代表韓國在國家級 AI 戰略佈局上跨出了關鍵一步。 K-EXAONE 2.0 在技術架構上採用了混合注意力 MoE（Mixture of Experts）設計，總參數達到 7500 億，但激活參數僅需 370 億，兼顧了模型規模與運算效率。與初代模型相比，整體參數規模擴增超過三倍，展現出 LG AI 研究院在短時間內快速迭代的技術實力。從第一代到 2.0 版本，僅隔一個世代就實現如此大幅度的規模躍升，在韓國 AI 研發歷程中相當罕見。 最引人注目的，莫過於 K-EXAONE 2.0 選擇以 Apache 2.0 許可證完全開源釋出。這也是韓國 AI 發展史上極為少見的開源策略。在全球開源大型語言模型競爭日益激烈的當下，韓國選擇以完全開放的方式加入戰局，而非採取封閉或部分授權模式，顯示其希望在國際 AI 社群中建立影響力的強烈企圖心，也為韓國未來的 AI 產業生態帶來更多想像空間。 在性能表現方面，K-EXAONE 2.0 無論是縱向對比自身過往成績，或是橫向與國際主流開源模型較量，都有相當亮眼的成果。根據官方公布的數據，該模型在 24 項基準測試中平均得分達到 70.1 分，相較於初代的 63.3 分，提升幅度超過 10%。在三大編碼與智慧體編碼基準測試中，性能改進更是達到約 30%，顯示模型在程式生成與工具使用相關任務上有顯著突破。 橫向對比上，K-EXAONE 2.0 在多個關鍵指標上直接對標中國頭部開源模型，競爭意圖十分明顯。在長上下文理解方面，該模型表現優於智譜的 GLM-5.1；在智慧體工具使用能力上，則同時超越 GLM-5.1 與 Qwen3.5；而在指令執行評估中，K-EXAONE 2.0 也與 GLM-5.1、DeepSeek V4 Pro Max、Qwen3.5 等一線模型處於同一水準。能夠在這些高難度評測中與中國頂尖開源模型並駕齊驅，某種程度上驗證了韓國在基礎模型研發上的實力已經逐步追上國際第一梯隊。 值得注意的是，K-EXAONE 2.0 的發布時機點相當巧妙。就在 Kimi K3 在全球掀起新一波開源模型競賽的熱潮尚未消退之際，韓國以「主權 AI」之名強勢加入戰局，讓東亞地區的 AI 開源生態浮現出全新的三角競爭格局。長期以來，中、美兩大陣營在大型語言模型領域的角力主導了全球發展節奏，如今韓國挾國家級資源投入，以 LG AI 研究院為核心推出大規模開源模型，無疑為這片競爭激烈的版圖增添了新的變數。 從韓國政府的角度來看，主權人工智慧基金會模型計畫的推動，反映了該國對於 AI 核心技術自主性的高度重視。在全球地緣政治與科技競爭交織的背景下，韓國意識到僅依賴海外模型並非長久之計，必須培育自己的基礎模型研發能量。K-EXAONE 2.0 的誕生，不只是 LG AI 研究院單一企業的技術成就，更承載著韓國國家級 AI 戰略的落實成果。 當然，模型參數規模的擴大並不直接等同於能力的全面碾壓。K-EXAONE 2.0 在部分基準測試中與競爭對手打成平手，意味著韓國模型在追求規模的同時，仍需要在訓練資料品質、對齊技術與實際應用場景的打磨上持續投入。然而，以一個僅發展至第二代的模型系列而言，K-EXAONE 2.0 所展現出的進步幅度確實不容小覷，也讓外界對其下一代版本抱持更高期待。 過去幾年，開源大型語言模型的競爭幾乎由中國與美國企業主導，無論是 Meta 的 Llama 系列、微軟相關的開源模型，或是中國的 Qwen、DeepSeek、GLM 等系列，都在全球開發者社群中擁有廣泛影響力。韓國雖然在半導體、記憶體等硬體領域具備全球頂尖實力，但在基礎模型這一塊始終缺乏具代表性的開源作品。K-EXAONE 2.0 的問世，填補了這個空白，也為韓國在全球 AI 開源生態中爭取到一席之地。 對於開發者社群而言，K-EXAONE 2.0 以 Apache 2.0 授權釋出，意味著無論是商業應用或學術研究，都可以自由使用、修改與再發布，這將有助於吸引更多國際開發者投入韓國模型的生態系建設。當一個國家的基礎模型能夠被全球廣泛採用，其技術路線與生態標準就有機會在國際間擴散，形成正向循環，這也是韓國政府願意投入資源支持開源的重要原因之一。 整體而言，K-EXAONE 2.0 的發布象徵韓國正式躋身全球基礎模型研發的第一方陣。在參數規模、開源策略與基準測試表現三方面同時火力全開，展現出韓國挑戰現有開源格局的決心。隨著東亞 AI 開源生態逐漸形成韓國、中國、日本等多方並立的態勢，未來全球 AI 發展的多元性與競爭強度都將進一步提升，下一個階段的重點，將是這些模型能否在真實世界中創造出足夠豐富的應用價值。