Was ist K-EXAONE 2.0?
K-EXAONE 2.0 ist das Flaggschiff-Sprachmodell von LG AI Research, am 29. Juli 2026 mit offenen Gewichten auf Hugging Face veröffentlicht und das größte in Korea gebaute Modell. Es ist ein Mixture-of-Experts-Modell mit 750 Milliarden Parametern, davon 37 Milliarden pro Token aktiv, entstanden durch Vergrößerung des früheren 236B-Modells K-EXAONE und weiteres Training. Es hat einen Kontext von 262.144 Tokens, denkt Schritt für Schritt und deckt zehn Sprachen ab: Koreanisch, Englisch, Spanisch, Deutsch, Japanisch, Vietnamesisch, Französisch, Italienisch, Polnisch und Portugiesisch.
Anders als frühere EXAONE-Modelle, die die kommerzielle Nutzung einschränkten, steht es unter der Apache-2.0-Lizenz. LG liefert BF16-, FP8- und NVFP4-Gewichte sowie eine DSpark-Variante für spekulatives Dekodieren und sagt, Multi-Token-Prediction und DSpark beschleunigten die Generierung um etwa das 3- bis 5-Fache. Auf Hugging Face hat es 159 Likes und 14.254 Downloads in den letzten 30 Tagen.
LG nennt keinen Preis pro Token. FriendliAI bietet es als dedizierten Endpunkt an, und LG betreibt eine Demo. Die Serving-Beispiele nutzen zwei Nodes mit je acht NVIDIA-H200-GPUs.
Was kostet K-EXAONE 2.0?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Apache 2.0 |
| FriendliAI dedicated endpoint | GPU-time billing | Kein Preis pro Token veröffentlicht |
Kostenlose Gewichte unter Apache 2.0. Kein Preis pro Token veröffentlicht; FriendliAI bietet dedizierte Endpunkte mit Abrechnung nach GPU-Zeit.
Lohnt sich K-EXAONE 2.0?
K-EXAONE 2.0 lohnt sich für zwei Dinge: Arbeit auf Koreanisch und das Auffinden von Fakten in sehr langen Dokumenten. LG meldet 94,4 bei OpenAI-MRCR, einem Test, der in langem Kontext vergrabene Details abfragt, gegenüber 92,9 für DeepSeek-V4-Pro und 71,5 für GLM-5.1, sowie 89,6 bei Ko-LongBench. Seine Sicherheitswerte sind die höchsten in LGs Tabelle, 99,8 bei KGC-Safety und 89,5 bei ROK-Fortress, wobei LG KGC-Safety selbst entwickelt hat.
Bei fast allem anderen liegt es zurück. In derselben Tabelle erreicht es 43,8 bei Terminal-Bench 2.1 gegenüber 64,0 für DeepSeek-V4-Pro und 61,8 für GLM-5.1, und 18,3 bei Humanity's Last Exam gegenüber 37,7. Selbst beim koreanischen KMMLU-Pro liegt es hinten, 69,1 gegenüber 80,5. Der Index v5.0.1 von Artificial Analysis gibt ihm 8 Punkte, bei einem Median von 23 für vergleichbare offene Modelle.
Der Haken: Der Betrieb ist ein Cluster-Projekt. Der Quickstart braucht LGs eigene Forks von SGLang und Transformers, verteilt das Modell auf zwei H200-Nodes mit je acht GPUs, und LG warnt vor kollabierender Ausgabe auf B200-GPUs, wenn ein Flag fehlt. Eine öffentliche API mit Preis pro Token gibt es nicht, man kann es also nicht günstig testen, bevor man die Hardware kauft.
Unser Fazit: K-EXAONE 2.0 ist sinnvoll für eine koreanische Behörde oder Bank, die ein Apache-lizenziertes Modell aus einem heimischen Labor braucht und vor allem mit langen koreanischen Dokumenten arbeitet. Wer nur nach Leistung auswählt, bekommt mit DeepSeek-V4-Pro oder GLM-5.3 mehr.
Wo es sich lohnt
Das Compliance-Team einer koreanischen Bank
Lange Behördenunterlagen und Verträge auf Koreanisch auf eigenen Servern durchsuchen
Die FP8-Gewichte auf zwei H200-Nodes selbst hosten und den Kontext von 262.144 Tokens für Fragen zu ganzen Dokumenten nutzen. Apache 2.0 erspart Lizenzverhandlungen, und LGs 89,6 bei Ko-LongBench passt zu dieser Arbeit.
Ein KI-Team im öffentlichen Sektor mit Vorgabe für ein souveränes Modell
Ein im Inland gebautes Spitzenmodell mit strengem Sicherheitsverhalten einsetzen
K-EXAONE 2.0 führt LGs Tabelle bei KGC-Safety und ROK-Fortress an. Einzuplanen ist ein dedizierter Cluster oder ein dedizierter FriendliAI-Endpunkt, da es keinen Dienst mit Abrechnung pro Token gibt.
Bevor du dich festlegst
- Einrichtung
- LGs Forks von SGLang und Transformers installieren und das Modell mit Tensor-Parallelität über zwei Nodes mit je acht H200-GPUs bereitstellen; vLLM-Rezepte stehen ebenfalls auf der Modellkarte, DSpark-Dekodierung wird unter vLLM aber nicht unterstützt.
- Integrationen
- OpenAI-kompatibler Endpunkt nach dem Deployment; Reasoning- und Tool-Call-Parser von Qwen3; dedizierte FriendliAI-Endpunkte.
- Daten und Datenschutz
- Apache-2.0-Gewichte, beim Selbsthosten bleiben die Daten also im Haus. LGs Wissensstand reicht bis ins zweite Quartal 2025.
- Kosten im großen Maßstab
- Kein Preis pro Token. Das Referenz-Setup braucht sechzehn H200-GPUs; FriendliAI rechnet dedizierte Endpunkte nach GPU-Zeit ab.
- Grenzen
- 262.144 Tokens Kontext. Auf B200-GPUs empfiehlt LG, --disable-prefill-cuda-graph zu setzen, damit die Generierung nicht kollabiert.
Was gut ist
- Apache-2.0-Lizenz, ein Novum bei LGs großen Modellen
- 94,4 beim Long-Context-Abruf OpenAI-MRCR, laut LG
- Beste Sicherheitswerte in LGs Vergleich
- Zehn Sprachen, darunter Koreanisch, Vietnamesisch und Polnisch
Was nicht
- Liegt in LGs eigener Tabelle bei Code, Mathematik und Wissen hinter DeepSeek-V4-Pro und GLM-5.1
- 8 Punkte im Index von Artificial Analysis bei einem Median von 23 in der Vergleichsgruppe
- Braucht zwei H200-Nodes mit je acht GPUs und geforkten Serving-Code
- Keine öffentliche API mit Preis pro Token
Am besten für
Koreanische Organisationen, die ein freizügig lizenziertes heimisches Modell für lange koreanische Dokumente brauchen und es selbst hosten können.
Alternativen zu K-EXAONE 2.0
K-EXAONE 2.0: häufige Fragen
- Lohnt sich K-EXAONE 2.0?
- Ein wirklich offenes koreanisches Spitzenmodell mit hervorragendem Abruf aus langen Dokumenten, das laut LGs eigenen Tabellen aber bei den meisten Aufgaben hinter den chinesischen offenen Modellen liegt. Wir bewerten es mit 3.4 von 5.
- Was kostet K-EXAONE 2.0?
- Kostenlose Gewichte unter Apache 2.0. Kein Preis pro Token veröffentlicht; FriendliAI bietet dedizierte Endpunkte mit Abrechnung nach GPU-Zeit.
- Welche Nachteile hat K-EXAONE 2.0?
- Liegt in LGs eigener Tabelle bei Code, Mathematik und Wissen hinter DeepSeek-V4-Pro und GLM-5.1; 8 Punkte im Index von Artificial Analysis bei einem Median von 23 in der Vergleichsgruppe; Braucht zwei H200-Nodes mit je acht GPUs und geforkten Serving-Code; Keine öffentliche API mit Preis pro Token.
- Für wen eignet sich K-EXAONE 2.0?
- Koreanische Organisationen, die ein freizügig lizenziertes heimisches Modell für lange koreanische Dokumente brauchen und es selbst hosten können.
- Was kostet K-EXAONE 2.0 für ein Team oder im Produktivbetrieb?
- Kein Preis pro Token. Das Referenz-Setup braucht sechzehn H200-GPUs; FriendliAI rechnet dedizierte Endpunkte nach GPU-Zeit ab.
- Ist K-EXAONE 2.0 sicher für Firmendaten?
- Apache-2.0-Gewichte, beim Selbsthosten bleiben die Daten also im Haus. LGs Wissensstand reicht bis ins zweite Quartal 2025.
- Was sind die besten Alternativen zu K-EXAONE 2.0?
- Die nächsten Alternativen, die wir getestet haben, sind DeepSeek-V4-Pro, GLM-5.3, Solar Open 2 und Mistral Large 4.
Antworten geprüft am 7. Nov. 2026.