韓國最大AI豪賭：LG發布K-EXAONE 2.0——750億參數開源模型，採Apache 2.0授權

開源大型語言模型的競爭格局，剛剛迎來一個強大的新玩家——而它來自AI世界一個意想不到的角落。LG AI Research於7月31日在Hugging Face發布K-EXAONE 2.0，這是一個7,500億參數的基礎模型，也是南韓有史以來生產過最大的AI模型。採Apache 2.0授權，允許完整的商業使用，這個模型既是技術宣言，也是地緣政治宣言：南韓決心擁有前沿AI的一席之地，而不僅僅是運行這些AI的晶片。

架構：透過混合專家實現效率

K-EXAONE 2.0建立在混合注意力混合專家（MoE）架構上——這與讓Mistral的Mixtral和DeepSeek V4系列在算力上如此具有吸引力的根本方法相同。模型共有7,500億參數，但推理時每個token只激活約370億參數。這個比例意味著K-EXAONE 2.0在推理算力成本接近370億模型的情況下，提供了相當於7,500億模型的知識容量。

這是整個前沿AI產業已趨向一致的架構賭注：MoE讓模型的知識擴展能力遠超密集架構所能達到的水準，而不必按比例擴大推理成本。256個專家的架構意味著，模型將每個token路由給一小組專業子網路，而不是每次都激活整個參數集。

上下文窗口延伸至262,144個token——約20萬英文單詞——使K-EXAONE 2.0適合企業文件處理、法律分析、長篇研究和其他會超出較短上下文模型能力的任務。

語言支援涵蓋10種語言，包括韓語、英語、日語和中文。多語言能力並非表面功夫：模型在精心策劃的訓練資料集上訓練，特別重視韓語品質，反映了LG作為韓國企業的定位，以及主權AI計畫保護韓語AI能力的使命。

性能：出乎意料地強勁

LG在24項標準化基準測試中評估了K-EXAONE 2.0，平均得分70.1——比前代K-EXAONE 1.0（63.3）高出逾10%。比標題數字更有意義的是模型表現突出的具體領域。

長文本理解是模型最明顯的強項。K-EXAONE 2.0在OpenAI-MRCR（多跳閱讀理解與檢索）上得分94.4，在評估韓語長文件理解的Ko-LongBench上得分89.6。相比之下，強勁的中國開源競爭對手GLM-5.1在同一基準測試上分別得分71.5和83.6。在長文本基準測試套件（OpenAI-MRCR、AA-LCR和Ko-LongBench）中，K-EXAONE 2.0的平均分比GLM-5.1高出逾10%。

程式碼和代理式程式碼基準測試較第一代K-EXAONE提升了約30%——在已成為企業採用決定性因素的領域取得了重大飛躍。部署AI進行軟體開發工作流程的組織對程式碼生成品質有著極高的要求，30%的相對提升是推動採購決定的那類數字。

代理式工具使用（透過Tau3-Bench Banking評估）展示了模型在結構化任務環境中作為自主代理運作的能力，14.2的得分使其在企業代理部署上具有競爭力，尤其是在韓國財閥（包括LG）廣泛服務的金融服務垂直領域。

主權AI的政策脈絡

K-EXAONE 2.0是在南韓科學技術資訊通信部（MSIT）主導的主權AI基礎模型計畫框架下開發的第二個模型。這個計畫背後的戰略邏輯，任何一個觀察到AI能力在美中企業之間高度集中的國家都會認同：如果前沿AI能力由外國公司掌控，依賴這些模型的關鍵國家基礎設施也就等於由外國公司掌控。

南韓的方式是利用現有的工業龍頭——LG、三星、SK電信、KT——作為國家支持的AI能力議程的執行載體。MSIT不是從零開始建立新的政府AI實驗室，而是透過已有相當規模AI研究組織的企業，資助並協調模型開發。

Apache 2.0授權的選擇在這個背景下值得關注。許多主權AI計畫產出的模型帶有限制商業使用或施加地理限制的嚴格授權。LG決定以Apache 2.0發布K-EXAONE 2.0，傳達了一種信心：開放可用性將推動採用——而採用將強化韓語和韓國文化在全球AI系統中的地位，因為更多用戶意味著更多韓語的回饋和微調資料。

韓國的AI淘汰賽

K-EXAONE 2.0發布的時間點，增添了超越模型基準測試的競爭維度。分析師注意到，兩個大型韓國模型——都在700億參數以上的等級——在7月下旬的幾天內相繼發布，分別來自不同的韓國工業集團。這種幾乎同時發布的情況，反映了觀察人士所稱的韓國「AI淘汰賽」的廣泛加速：韓國科技巨頭之間的激烈競爭，以確定哪家公司（或哪幾家公司）將支撐韓國的國內AI生態系統。

賭注相當重大。成為韓國企業標準的模型——韓語RAG系統、韓國法律文件分析、韓國客戶服務自動化的預設選擇——將產生可觀的持續性收入，並對國內AI採用產生深遠影響。隨著中國領先模型在部分國際市場面臨出口限制，美國模型在韓國可能受到不同法規要求，韓國本土替代方案確實存在真實的市場空間。

對開源LLM格局的意義

K-EXAONE 2.0加入了競爭異常激烈的開源前沿賽局。DeepSeek V4 Flash以每百萬token 0.14至0.28美元的定價，是主導的成本效率領導者。Meta的Llama系列保持最廣泛的開發者心智份額。Mistral的Mixtral模型在歐洲部署中根深蒂固。Google的Gemma系列佔據輕量端。

K-EXAONE 2.0最佳的定位，是在韓語任務和亞洲多語言部署中佔據一席之地——這個地理市場不是主要美國開源模型積極優化的方向。10語言支援和在韓語上展示的長文本性能，讓它有充分理由聲稱這個利基——而從絕對用戶規模來看，這並非真正的小眾市場：僅韓語使用者就有8,000萬人，且AI採用率很高。

對於建立韓語應用程式的開發者而言，K-EXAONE 2.0的Apache 2.0發布意味著商業部署沒有授權障礙。結合長文本優勢，對於今天依賴呼叫美國前沿模型API的韓國企業使用情境，它是一個立即可行的選項。

模型權重已在Hugging Face的LGAI-EXAONE/K-EXAONE-2.0-750B-A37B上提供。