K-EXAONE 2.0의 개요
K-EXAONE 2.0은 LG AI Research의 플래그십 언어 모델로, 2026년 7월 29일 Hugging Face에 오픈 가중치로 공개되었으며 한국에서 만든 가장 큰 모델입니다. 파라미터 7,500억 개 중 토큰당 370억 개가 활성화되는 mixture-of-experts 모델로, 이전의 236B K-EXAONE을 키우고 추가로 학습해 만들었습니다. 컨텍스트는 262,144토큰이며 단계적으로 추론하고, 한국어, 영어, 스페인어, 독일어, 일본어, 베트남어, 프랑스어, 이탈리아어, 폴란드어, 포르투갈어의 10개 언어를 지원합니다.
상업적 사용을 제한했던 이전 EXAONE 모델과 달리 Apache 2.0 라이선스입니다. LG는 BF16, FP8, NVFP4 가중치와 추측 디코딩용 DSpark 변형을 배포하며, 다중 토큰 예측과 DSpark로 생성 속도가 약 3~5배 빨라진다고 밝힙니다. Hugging Face에서 좋아요 159개, 최근 30일 다운로드 14,254회를 기록했습니다.
LG는 토큰당 가격을 공개하지 않습니다. FriendliAI가 전용 엔드포인트로 제공하고 LG는 데모를 운영합니다. 서빙 예시는 NVIDIA H200 GPU 8개짜리 노드 2대를 씁니다.
K-EXAONE 2.0의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0 |
| FriendliAI dedicated endpoint | GPU-time billing | 토큰당 가격 미공개 |
Apache 2.0 무료 가중치. 토큰당 가격 미공개. FriendliAI가 GPU 시간 과금 전용 엔드포인트 제공.
K-EXAONE 2.0, 쓸 만한 가치가 있습니까?
K-EXAONE 2.0이 고려할 가치가 있는 이유는 두 가지, 한국어 작업과 아주 긴 문서에서 사실을 찾는 일입니다. LG는 긴 컨텍스트 속에 묻힌 세부 정보를 찾아내는 테스트인 OpenAI-MRCR에서 94.4를 보고했으며, DeepSeek-V4-Pro의 92.9와 GLM-5.1의 71.5를 앞서고, Ko-LongBench에서는 89.6입니다. 안전성 점수는 LG 표에서 가장 높아 KGC-Safety 99.8, ROK-Fortress 89.5이지만, KGC-Safety는 LG가 직접 만든 테스트입니다.
그 밖의 거의 모든 항목에서는 뒤처집니다. 같은 표에서 Terminal-Bench 2.1은 43.8로 DeepSeek-V4-Pro의 64.0, GLM-5.1의 61.8에 못 미치고, Humanity's Last Exam은 18.3으로 37.7보다 낮습니다. 한국어 테스트인 KMMLU-Pro에서도 69.1로 80.5에 뒤집니다. Artificial Analysis의 v5.0.1 지수에서는 8점으로, 비슷한 오픈 모델의 중앙값 23에 못 미칩니다.
주의할 점: 운영은 클러스터 규모의 일입니다. 빠른 시작에는 LG의 SGLang과 Transformers 포크가 필요하고, GPU 8개짜리 H200 노드 2대에 나눠 서빙하며, LG는 B200 GPU에서 플래그를 설정하지 않으면 출력이 무너진다고 경고합니다. 공개된 토큰 과금 API가 없어 하드웨어를 사기 전에 저렴하게 시험해 볼 수 없습니다.
결론: K-EXAONE 2.0은 국내 연구소의 Apache 라이선스 모델이 필요하고 주로 긴 한국어 문서를 다루는 한국의 공공기관이나 은행에 맞습니다. 성능만 보고 고른다면 DeepSeek-V4-Pro나 GLM-5.3이 더 낫습니다.
제 역할을 하는 곳
한국 은행의 컴플라이언스 팀
긴 규제 문서와 계약서를 자체 서버에서 한국어로 검색하기
FP8 가중치를 H200 노드 2대에 직접 호스팅하고 262,144토큰 컨텍스트로 문서 전체에 대해 질문합니다. Apache 2.0이라 라이선스 협상이 필요 없고, LG의 Ko-LongBench 89.6은 이 작업에 맞습니다.
소버린 모델 도입 지침이 있는 공공 부문 AI 팀
엄격한 안전성을 갖춘 국산 최첨단 모델 도입하기
K-EXAONE 2.0은 LG 표에서 KGC-Safety와 ROK-Fortress 1위입니다. 토큰 과금 서비스가 없으므로 전용 클러스터나 FriendliAI 전용 엔드포인트 예산을 잡아야 합니다.
도입 전 확인할 점
- 설정
- LG의 SGLang과 Transformers 포크를 설치하고, H200 GPU 8개짜리 노드 2대에서 텐서 병렬로 서빙합니다. 모델 카드에 vLLM 레시피도 있지만 vLLM에서는 DSpark 디코딩을 지원하지 않습니다.
- 연동
- 배포 후 OpenAI 호환 엔드포인트. Qwen3 추론 및 도 구 호출 파서. FriendliAI 전용 엔드포인트.
- 데이터와 개인정보
- Apache 2.0 가중치라 직접 호스팅하면 데이터가 사내에 남습니다. LG가 밝힌 지식 기준 시점은 2025년 2분기입니다.
- 대규모 사용 시 비용
- 토큰당 가격 없음. 기준 구성에는 H200 GPU 16개가 필요하며, FriendliAI는 전용 엔드포인트를 GPU 시간으로 과금합니다.
- 제한
- 컨텍스트 262,144토큰. B200 GPU에서는 생성이 무너지지 않도록 --disable-prefill-cuda-graph를 추가하라고 LG는 안내합니다.
좋은 점
- LG 대형 모델 최초의 Apache 2.0 라이선스
- LG 기준 긴 컨텍스트 검색 OpenAI-MRCR 94.4
- LG 비교에서 가장 높은 안전성 점수
- 한국어, 베트남어, 폴란드어를 포함한 10개 언어
아쉬운 점
- LG 자체 표에서도 코드, 수학, 지식에서 DeepSeek-V4-Pro와 GLM-5.1에 뒤짐
- Artificial Analysis 지수 8점, 비교 모델 중앙값은 23
- GPU 8개짜리 H200 노드 2대와 포크된 서빙 코드가 필요
- 공개된 토큰 과금 API가 없음
추천 대상
긴 한국어 문서를 위해 관대한 라이선스의 국산 모델이 필요하고 직접 호스팅할 수 있는 한국 조직.
K-EXAONE 2.0 대안
K-EXAONE 2.0: 자주 묻는 질문
- K-EXAONE 2.0, 쓸 만한 가치가 있습니까?
- 긴 문서에서 정보를 찾는 능력이 뛰어난 진짜 오픈 한국 최첨단 모델이지만, LG 자체 표에서도 대부분의 작업에서 중국 오픈 모델에 뒤집니다. 평점은 5점 만점에 3.4점입니다.
- K-EXAONE 2.0의 가격은 얼마입니까?
- Apache 2.0 무료 가중치. 토큰당 가격 미공개. FriendliAI가 GPU 시간 과금 전용 엔드포인트 제공.
- K-EXAONE 2.0의 단점은 무엇입니까?
- LG 자체 표에서도 코드, 수학, 지식에서 DeepSeek-V4-Pro와 GLM-5.1에 뒤짐; Artificial Analysis 지수 8점, 비교 모델 중앙값은 23; GPU 8개짜리 H200 노드 2대와 포크된 서빙 코드가 필요; 공개된 토큰 과금 API가 없음.
- K-EXAONE 2.0에 적합한 사람은 누구입니까?
- 긴 한국어 문서를 위해 관대한 라이선스의 국산 모델이 필요하고 직접 호스팅할 수 있는 한국 조직.
- 팀이나 프로덕션 환경에서 K-EXAONE 2.0의 비용은 얼마입니까?
- 토큰당 가격 없음. 기준 구성에는 H200 GPU 16개가 필요하며, FriendliAI는 전용 엔드포인트를 GPU 시간으로 과금합니다.
- K-EXAONE 2.0에 회사 데이터를 맡겨도 안전합니까?
- Apache 2.0 가중치라 직접 호스팅하면 데이터가 사내에 남습니다. LG가 밝힌 지식 기준 시점은 2025년 2분기입니다.
- K-EXAONE 2.0의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 DeepSeek-V4-Pro, GLM-5.3, Solar Open 2 및 Mistral Large 4입니다.
답변 확인일: 2026년 11월 7일.