Qu’est-ce que K-EXAONE 2.0 ?
K-EXAONE 2.0 est le modèle de langage phare de LG AI Research, publié en poids ouverts sur Hugging Face le 29 juillet 2026 et le plus grand modèle construit en Corée. C'est un modèle mixture-of-experts de 750 milliards de paramètres, dont 37 milliards actifs par token, obtenu en agrandissant le précédent K-EXAONE de 236B puis en poursuivant son entraînement. Il dispose d'un contexte de 262 144 tokens, raisonne étape par étape et couvre dix langues : coréen, anglais, espagnol, allemand, japonais, vietnamien, français, italien, polonais et portugais.
Contrairement aux précédents modèles EXAONE, qui limitaient l'usage commercial, il est sous licence Apache 2.0. LG fournit des poids BF16, FP8 et NVFP4 ainsi qu'une variante DSpark de décodage spéculatif, et affirme que la prédiction multi-tokens et DSpark accélèrent la génération d'environ 3 à 5 fois. Sur Hugging Face, il compte 159 likes et 14 254 téléchargements sur les 30 derniers jours.
LG ne publie aucun prix au token. FriendliAI le propose en endpoint dédié, et LG en fait une démo. Ses exemples de déploiement utilisent deux nœuds de huit GPU NVIDIA H200.
Combien coûte K-EXAONE 2.0 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Apache 2.0 |
| FriendliAI dedicated endpoint | GPU-time billing | Aucun tarif au token publié |
Poids gratuits sous Apache 2.0. Aucun prix au token publié ; FriendliAI propose des endpoints dédiés facturés au temps GPU.
K-EXAONE 2.0 vaut-il le coup ?
K-EXAONE 2.0 vaut le détour pour deux choses : le travail en coréen et la recherche d'informations dans de très longs documents. LG annonce 94,4 sur OpenAI-MRCR, un test qui consiste à retrouver des détails enfouis dans un long contexte, contre 92,9 pour DeepSeek-V4-Pro et 71,5 pour GLM-5.1, et 89,6 sur Ko-LongBench. Ses scores de sécurité sont les plus élevés du tableau de LG, 99,8 sur KGC-Safety et 89,5 sur ROK-Fortress, même si LG a conçu KGC-Safety lui-même.
Sur presque tout le reste, il est en retrait. Dans le même tableau, il obtient 43,8 sur Terminal-Bench 2.1 contre 64,0 pour DeepSeek-V4-Pro et 61,8 pour GLM-5.1, et 18,3 sur Humanity's Last Exam contre 37,7. Même sur le test coréen KMMLU-Pro, il est derrière, 69,1 contre 80,5. L'indice v5.0.1 d'Artificial Analysis lui attribue 8, pour une médiane de 23 chez les modèles ouverts comparables.
Le hic : le faire tourner est un projet de cluster. Le guide de démarrage exige les forks de SGLang et Transformers de LG, répartit le modèle sur deux nœuds H200 de huit GPU, et LG prévient que la sortie s'effondre sur GPU B200 si une option n'est pas activée. Il n'existe pas d'API publique au token, impossible donc de l'essayer à bas coût avant d'acheter le matériel.
Notre avis : K-EXAONE 2.0 a du sens pour un organisme public ou une banque coréenne qui a besoin d'un modèle sous licence Apache issu d'un laboratoire national et travaille surtout sur de longs documents en coréen. Qui choisit uniquement sur les capacités tirera davantage de DeepSeek-V4-Pro ou GLM-5.3.
Là où il fait la différence
L'équipe conformité d'une banque coréenne
Fouiller de longs dossiers réglementaires et contrats en coréen sur ses propres serveurs
Hébergez les poids FP8 sur deux nœuds H200 et utilisez le contexte de 262 144 tokens pour des questions sur des documents entiers. Apache 2.0 évite toute négociation de licence, et le 89,6 de LG sur Ko-LongBench correspond à ce travail.
Une équipe IA du secteur public tenue d'utiliser un modèle souverain
Déployer un modèle de pointe conçu dans le pays avec un comportement de sécurité strict
K-EXAONE 2.0 domine le tableau de LG sur KGC-Safety et ROK-Fortress. Prévoyez un cluster dédié ou un endpoint dédié FriendliAI, car aucun service au token n'existe.
Avant de vous engager
- Mise en route
- Installez les forks de SGLang et Transformers de LG, puis servez le modèle en parallélisme de tenseurs sur deux nœuds de huit GPU H200 ; la fiche fournit aussi des recettes vLLM, mais le décodage DSpark n'est pas pris en charge sous vLLM.
- Intégrations
- Endpoint compatible OpenAI une fois déployé ; parseurs de raisonnement et d'appels d'outils de Qwen3 ; endpoints dédiés FriendliAI.
- Données et confidentialité
- Poids Apache 2.0 : l'auto-hébergement garde les données en interne. La date limite des connaissances indiquée par LG est le deuxième trimestre 2025.
- Coût à grande échelle
- Aucun prix au token. La configuration de référence demande seize GPU H200 ; FriendliAI facture les endpoints dédiés au temps GPU.
- Limites
- Contexte de 262 144 tokens. Sur GPU B200, LG recommande d'ajouter --disable-prefill-cuda-graph pour éviter l'effondrement de la génération.
Les points forts
- Licence Apache 2.0, une première pour les grands modèles de LG
- 94,4 en recherche sur long contexte OpenAI-MRCR, selon LG
- Meilleurs scores de sécurité de la comparaison de LG
- Dix langues, dont le coréen, le vietnamien et le polonais
Les points faibles
- Derrière DeepSeek-V4-Pro et GLM-5.1 en code, mathématiques et connaissances dans le propre tableau de LG
- Note de 8 sur l'indice d'Artificial Analysis pour une médiane de 23 chez ses pairs
- Nécessite deux nœuds H200 de huit GPU et du code de déploiement forké
- Pas d'API publique au token
Idéal pour
Les organisations coréennes qui ont besoin d'un modèle national sous licence permissive pour de longs documents en coréen et peuvent l'héberger elles-mêmes.
Alternatives à K-EXAONE 2.0
K-EXAONE 2.0 : questions fréquentes
- K-EXAONE 2.0 vaut-il le coup ?
- Un modèle coréen de pointe réellement ouvert, excellent pour retrouver des faits dans de longs documents, mais selon les propres tableaux de LG il reste derrière les modèles ouverts chinois sur la plupart des tâches. Nous lui donnons 3.4 sur 5.
- Combien coûte K-EXAONE 2.0 ?
- Poids gratuits sous Apache 2.0. Aucun prix au token publié ; FriendliAI propose des endpoints dédiés facturés au temps GPU.
- Quels sont les inconvénients de K-EXAONE 2.0 ?
- Derrière DeepSeek-V4-Pro et GLM-5.1 en code, mathématiques et connaissances dans le propre tableau de LG; note de 8 sur l'indice d'Artificial Analysis pour une médiane de 23 chez ses pairs; nécessite deux nœuds H200 de huit GPU et du code de déploiement forké; pas d'API publique au token.
- À qui s’adresse K-EXAONE 2.0 ?
- Les organisations coréennes qui ont besoin d'un modèle national sous licence permissive pour de longs documents en coréen et peuvent l'héberger elles-mêmes.
- Combien coûte K-EXAONE 2.0 pour une équipe ou en production ?
- Aucun prix au token. La configuration de référence demande seize GPU H200 ; FriendliAI facture les endpoints dédiés au temps GPU.
- K-EXAONE 2.0 est-il sûr pour les données de l’entreprise ?
- Poids Apache 2.0 : l'auto-hébergement garde les données en interne. La date limite des connaissances indiquée par LG est le deuxième trimestre 2025.
- Quelles sont les meilleures alternatives à K-EXAONE 2.0 ?
- Les alternatives les plus proches que nous avons testées sont DeepSeek-V4-Pro, GLM-5.3, Solar Open 2 et Mistral Large 4.
Réponses vérifiées le 7 nov. 2026.