LG AI Research 9 ноября 2026 года открыла бесплатный API-доступ к K-EXAONE 2.5 — модели со 750 млрд параметров, размещенной на платформе EXAONE API Platform. Разработчики получают ключ API для создания сервисов и исследований, а запросы обрабатываются через интерфейс, совместимый с OpenAI. В центре выпуска — разработка ПО, агентный поиск и автоматизация рабочих процессов. Это важно, поскольку компании могут проверить заявленные LG результаты в коде и агентных задачах без смены привычных инструментов.
Бесплатный доступ через EXAONE API Platform
Доступ открыт для разработчиков, стартапов, компаний и исследовательских организаций, которые получают ключ API для EXAONE API Platform. В LG называют K-EXAONE 2.5 моделью проверки технологий, полученной дополнительным обучением версии, выпущенной в августе 2026 года. Модель работает только с текстом и поддерживает корейский и английский языки, а в документации указаны 31 млрд активных параметров. Граница знаний модели — январь 2026 года. Среди заявленных функций — чат, вызов инструментов, структурированные ответы, генерация кода и потоковая передача.
Точка доступа использует POST /v1/chat/completions с идентификатором модели k-exaone_v2.5 и возвращает JSON в формате OpenAI либо фрагменты server-sent-event при включенном потоковом режиме. Сумма входных токенов и лимита max_tokens, куда входит рассуждение, не должна превышать 524 288 токенов, иначе запрос вернет ошибку 400. Параметры рассуждения доступны напрямую, причем reasoning_effort по умолчанию имеет значение max. Опция preserve_thinking позволяет переносить предыдущие рассуждения ассистента в многошаговые запросы. В LG отмечают, что высокая интенсивность рассуждений может увеличивать время ответа и расход токенов.
В LG сообщили, что внутренние замеры на открытых наборах данных показали уровень, сопоставимый с передовыми мировыми моделями с открытыми весами. Сравнение охватывает разработку и изменение ПО, поиск информации в интернете, автоматизацию работы с SaaS-инструментами и агентное решение задач в рабочей среде. Согласно приведенным цифрам, K-EXAONE 2.5 превосходит предшественника по всем четырем бенчмаркам. Она опережает DeepSeek-V4.1-Flash в SWE-Bench Pro, BrowseComp и Claw-Eval, но уступает ей в AutomationBench. В сравнении с GLM-5.3 она выигрывает только в AutomationBench.
Что тестирование дает командам автоматизации
Для компаний, уже использующих конвейеры, совместимые с OpenAI, практический эффект — снижение затрат на эксперименты с моделью, ориентированной на агентное программирование. Среди названных применений — генерация кода, отладка, рефакторинг и написание тестов, а также агентный поиск и автоматизация рабочих процессов. Небольшая команда может проводить испытания в текущих системах без закупки весов и отдельной инфраструктуры. Крупная организация способна сравнить модель с действующими решениями на собственных репозиториях, SaaS-процессах и базах знаний.
При этом цикл работы агента остается зоной ответственности системы заказчика. В описанном процессе внешний контур выполняет вызовы инструментов, возвращенные моделью, и передает обратно результаты, обрабатывая текст, рассуждения и дельты вызовов между шагами. Руководство включает конфигурации для универсального агента Hermes и агента программирования OpenCode. К проверяемым ограничениям относятся общий бюджет в 524 288 токенов на ввод и генерацию, работа только с текстом и поддержка корейского и английского языков. Цифры бенчмарков получены внутренними замерами, поэтому сами по себе не подтверждают поведение в production.
Показательным признаком станут независимые отчеты о внедрениях, где тот же профиль подтвердится на задачах типа SWE-Bench Pro, BrowseComp, Claw-Eval и AutomationBench внутри реальных кодовых баз и SaaS-сред. Если команды воспроизведут более быструю отладку и стабильные вызовы инструментов при заявленных настройках токенов и рассуждений, бесплатный API превратит проверочный выпуск в вариант для закупок. Если нет, он останется недорогим ориентиром для сравнений.
