K-EXAONE 2.0 Technical Report
LG AI Research 发布 K-EXAONE 2.0 技术报告，介绍其开源多语言基础模型。该模型通过升级 K-EXAONE 扩展架构，成为总参数 750B、每 token 激活约 37B 参数的 MoE 模型，支持最长 256K token 上下文，多语言覆盖从 6 种扩展到 10 种。训练流程包括持续预训练、难度聚焦的中期训练和后训练，以增强推理、智能体编码、多语言能力和基于韩国社会文化背景的安全性。在九个评估类别中，K-EXAONE 2.0 相比前代有提升，在智能体编码和长上下文理解上增益最大，在长上下文检索和安全性上表现最强。模型以 Apache 2.0 许可证发布。
Development
- First ReportK-EXAONE 2.0 Technical ReportarXiv cs.CL
- Current AssessmentK-EXAONE 2.0 以 Apache 2.0 许可证发布，表明 LG AI Research 致力于开放生态，推动全球前沿模型的发展。该模型在智能体编码和长上下文理解上的显著提升，反映了行业对 Agent 能力和长上下文处理的关注。多语言覆盖的扩展和基于韩国社会文化背景的安全性，体现了区域化 AI 发展的趋势。Agent Pulse · analysis
LG AI Research 发布了 K-EXAONE 2.0 技术报告，介绍其开源多语言基础模型。该模型通过升级 K-EXAONE 扩展架构，成为总参数 750B、每 token 激活约 37B 参数的 MoE 模型，支持最长 256K token 上下文，多语言覆盖从 6 种扩展到 10 种。训练流程包括持续预训练、难度聚焦的中期训练和后训练，以增强推理、智能体编码、多语言能力和基于韩国社会文化背景的安全性。在九个评估类别中，K-EXAONE 2.0 相比前代有提升，在智能体编码和长上下文理解上增益最大，在长上下文检索和安全性上表现最强。模型以 Apache 2.0 许可证发布。
K-EXAONE 2.0 采用 MoE 架构，总参数 750B，激活参数约 37B，相比前代容量提升三倍以上，表明通过 upcycling 方式扩展模型容量是可行的。支持 256K 上下文长度，多语言从 6 种扩展到 10 种，训练流程包含持续预训练、难度聚焦的中期训练和后训练，重点增强推理、智能体编码、多语言能力和安全性。在长上下文检索和安全性上表现最强，在智能体编码和长上下文理解上增益最大。
K-EXAONE 2.0 以 Apache 2.0 许可证发布，表明 LG AI Research 致力于开放生态，推动全球前沿模型的发展。该模型在智能体编码和长上下文理解上的显著提升，反映了行业对 Agent 能力和长上下文处理的关注。多语言覆盖的扩展和基于韩国社会文化背景的安全性，体现了区域化 AI 发展的趋势。
K-EXAONE 2.0 的开源发布为开发者提供了高容量、长上下文的模型选择，可能降低企业构建 Agent 应用的成本。其在智能体编码和长上下文理解上的优势，对需要处理复杂代码和长文档的企业具有吸引力。
K-EXAONE 2.0 的发布可能推动开源模型在智能体编码和长上下文任务上的应用，后续可关注其在 Agent 基准测试上的表现以及社区采用情况。