LG AI연구원은 2026년 7월 31일 K-EXAONE 2.0을 공개했습니다. 총 750B·활성 37B의 전문가 혼합(MoE) 구조, 262,144 토큰 문맥 길이, Apache 2.0 기반 가중치 공개가 핵심입니다.
공식 발표, Hugging Face 모델 카드와 기술 자료를 기준으로 달라진 점과 실제 도입 전 확인할 환경·비용·검수 항목을 정리했습니다. 사실 확인일은 2026년 7월 31일입니다.
K-EXAONE 2.0에서 달라진 점
K-EXAONE 2.0은 총 750B 파라미터 중 한 번의 추론에 37B를 활성화하는 전문가 혼합(MoE) 모델입니다. 모든 파라미터를 매번 사용하는 밀집형 모델과는 구조가 다르므로, 750B라는 숫자만으로 속도나 비용을 판단하면 안 됩니다.
이전 K-EXAONE 236B보다 전체 규모가 3배 이상 커졌고, 지원 언어는 한국어·영어·스페인어·독일어·일본어·베트남어·프랑스어·이탈리아어·폴란드어·포르투갈어 등 10개로 늘었습니다. 공식 모델 카드의 문맥 길이는 262,144 토큰, 지식 기준 시점은 2025년 2분기입니다.
모델 가중치는 Apache 2.0 라이선스로 Hugging Face에 공개됐습니다. 공식 컬렉션에는 기본 모델과 FP8·NVFP4·DSpark 변형이 올라와 있습니다. 같은 모델 이름이라도 정밀도와 추론 방식이 다르므로 하드웨어와 엔진에 맞는 버전을 골라야 합니다.
왜 중요한가요
이번 발표의 의미는 단순히 “국산 초대형 모델”이라는 데만 있지 않습니다. 가중치와 모델 카드가 공개되면서 연구자와 기업이 구조를 확인하고 자체 환경에서 배포·검증할 수 있는 선택지가 늘었습니다.
소버린 AI도 국적만의 문제가 아닙니다. 언어와 데이터, 산업 규정, 보안 정책, 운영 책임을 국내 환경에 맞춰 통제할 수 있는지가 더 중요합니다. K-EXAONE 2.0은 그 가능성을 시험할 수 있는 기반 모델 가운데 하나입니다.
다만 공개 모델이 곧 저비용 모델이라는 뜻은 아닙니다. 공식 빠른 시작 예시는 기본 모델을 8개의 NVIDIA H200 GPU가 장착된 서버 두 대에서 구동하는 구성을 제시합니다. 이는 절대적인 최소 사양이 아니라 공식 예시이지만, 개인용 노트북보다 데이터센터급 운영을 전제로 한 모델이라는 점은 분명합니다.
공식 벤치마크를 읽는 법
LG AI연구원은 9개 영역 24개 벤치마크 평균이 70.1점으로 이전 모델의 63.3점보다 10% 이상 높아졌고, 코딩·에이전틱 코딩 주요 지표 3개의 평균 성능은 약 30% 상승했다고 발표했습니다.
주요 수치로는 OpenAI-MRCR 94.4, Ko-LongBench 89.6, 도구 사용 평가인 τ3-Bench Banking 14.2가 제시됐습니다. KGC-Safety와 ROK-Fortress 두 안전성 평가의 평균은 94.6점입니다.
하지만 모든 지표에서 가장 높은 것은 아닙니다. 공식 비교표에서도 세계 지식, SWE-bench Verified, 일부 한국어 평가 등은 Qwen3.5·GLM-5.1·DeepSeek V4 Pro Max가 더 높은 항목이 있습니다. 특정 강점을 확인하는 자료이지 “모든 업무에서 최고”라는 증거로 읽으면 안 됩니다.
또한 이 수치는 LG AI연구원이 공개한 BF16 모델 평가 결과입니다. 실제 도입 전에는 내부 문서와 업무 시나리오로 품질·지연시간·비용을 함께 비교해야 합니다.
핵심 사양
공식 발표와 모델 카드에서 직접 확인할 수 있는 항목만 정리했습니다.
| 공개일 | 2026년 7월 31일 |
| 구조 | 전문가 혼합(MoE) |
| 전체 파라미터 | 750B |
| 활성 파라미터 | 37B |
| 문맥 길이 | 262,144 토큰 |
| 지식 기준 시점 | 2025년 2분기 |
| 라이선스 | Apache 2.0 |
| 지원 언어 | 10개 |
| 공식 변형 | 기본·FP8·NVFP4·DSpark |
| 공식 평가 | 9개 영역 24개 벤치마크 |
실제로 누가 관심을 가져야 할까요
개발자와 연구자라면 모델 카드, 기술 보고서, 변형 모델, 추론 예시를 비교할 수 있습니다. 다만 설치 명령보다 먼저 사용 가능한 GPU와 분산 추론 환경을 확인해야 합니다.
기업 담당자라면 “국내 모델을 쓸 수 있나”보다 “어떤 업무에서 검증할 수 있나”를 먼저 정하는 편이 현실적입니다. 고객 상담, 문서 요약, 제조 지식 검색처럼 데이터 범위와 책임 경계가 분명한 업무에서 소규모 검증을 시작할 수 있습니다.
일반 사용자가 바로 접속할 수 있는 공식 웹 서비스나 호스팅 API의 구체적인 이용 조건은 2026년 7월 31일 기준 확인되지 않았습니다. LG AI연구원은 대국민 평가 사이트와 체험 서비스를 준비 중이라고 밝혔습니다.
활용 전 확인할 점
모델 크기나 벤치마크 점수만으로 도입을 결정하기보다 운영 조건을 먼저 확인해야 합니다.
- 실행 환경: 직접 호스팅·서비스·API 중 실제 사용 경로를 정했는지
- 총비용: GPU·지연시간·운영 인력까지 포함해 계산했는지
- 라이선스: Apache 2.0 원문과 내부 법무·보안 기준을 대조했는지
- 데이터: 사내·고객 정보의 저장·학습·삭제 범위가 명확한지
- 사람 검수: 고위험 답변을 사람이 확인하고 승인할 지점을 정했는지
“오픈”은 무료로 아무 제약 없이 운영된다는 뜻이 아닙니다. 가중치와 라이선스가 공개돼도 인프라 비용, 보안, 출력 검수, 서비스 운영 책임은 사용자와 도입 조직에 남습니다.
한계와 주의점
벤치마크는 출발점일 뿐입니다. 공식 평가 조건과 실제 업무 환경은 다르며, 공급사 자체 결과이므로 독립 검증과 내부 데이터 테스트가 필요합니다.
750B 규모는 연구·산업적 성과이면서 운영 부담이기도 합니다. 공식 모델 카드도 대규모 GPU 환경과 별도 추론 엔진 구성을 예시로 제시하며, 하드웨어·지연시간·비용은 선택한 정밀도와 배포 방식에 따라 달라집니다.
모델 카드에는 부적절하거나 편향된 답변, 사실과 다른 응답이 생성될 수 있다고 명시돼 있습니다. 지식 기준 시점도 2025년 2분기이므로 최신 정보와 고위험 분야에서는 원문 확인과 사람 검수가 필요합니다.
핵심 요약
K-EXAONE 2.0은 총 750B·활성 37B의 MoE 구조, 262,144 토큰 문맥 길이, 10개 언어, Apache 2.0 기반 가중치 공개를 갖춘 한국 개발 대형 모델입니다.
이번 공개로 국내 환경에서 검토할 수 있는 오픈 가중치 선택지는 넓어졌습니다. 다만 모델 규모보다 실제 배포 환경, 총비용, 데이터 통제, 업무별 검증 기준을 먼저 세우는 것이 중요합니다.
FAQ
K-EXAONE 2.0은 무엇인가요?
LG AI연구원이 2026년 7월 31일 공개한 다국어 전문가 혼합(MoE) 파운데이션 모델입니다. 총 750B 파라미터 중 37B를 활성화하며, 가중치는 Hugging Face에 공개됐습니다.
누구나 바로 사용할 수 있나요?
가중치와 사용 예시는 공개돼 있지만 개인용 컴퓨터에서 가볍게 실행하는 모델은 아닙니다. 2026년 7월 31일 기준 일반 사용자용 공식 웹 서비스와 호스팅 API의 구체적인 조건은 확인되지 않았습니다.
Apache 2.0이면 상업적으로 사용할 수 있나요?
Apache 2.0은 상업적 이용과 수정·배포를 허용하지만 라이선스 고지 등 원문 조건을 따라야 합니다. 서비스에 적용할 때는 모델 카드의 제한 사항과 내부 법무·보안 기준도 함께 확인해야 합니다.
ChatGPT나 Claude보다 좋은 모델인가요?
그렇게 단정할 수 없습니다. 공식 비교 자료는 주로 다른 오픈 가중치 모델을 대상으로 하며, K-EXAONE 2.0도 지표별 강점과 약점이 다릅니다. 실제 업무 데이터로 별도 비교해야 합니다.
한국 사용자에게 가장 중요한 변화는 무엇인가요?
한국어와 국내 운영 환경을 고려해 자체 배포·검증할 수 있는 대형 오픈 가중치 선택지가 늘었다는 점입니다. 다만 국내 개발 모델이라는 사실만으로 데이터 주권이나 업무 적합성이 자동 보장되지는 않습니다.
공식 출처
'정보 > 아무튼 AI🤖' 카테고리의 다른 글
| ChatGPT 연구자 무료 지원, 논문·분석 업무가 달라지는 지점 (0) | 2026.08.04 |
|---|---|
| Claude Opus 5 발표, 장시간 AI 에이전트가 달라지는 점 (0) | 2026.08.03 |
| OpenAI·Hugging Face 보안 사고, AI 에이전트 검수가 달라지는 이유 (0) | 2026.08.02 |
| OpenAI Work at the Frontier, AI가 직무 경계를 바꾸는 방식 (1) | 2026.08.01 |
| Anthropic Economic Index connector, AI가 내 일을 어떻게 바꾸는지 보는 법 (1) | 2026.07.31 |
