•

Open weights model

•

Released August 2026

K-EXAONE 2.0: Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren

Leistung

k. A.

Zeit pro Aufgabe des Intelligence Index (Minuten)

Kosten

Eingabe -Ausgabe -

k. A.

Kosten pro Aufgabe des Intelligence Index

Ausführlichkeit

Eingabe-Token 4.42BAusgabe/Eingabe 1.426%

63.1M

Ausgabetokens im Intelligence Index

Im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe zählt K-EXAONE 2.0 zu den am wenigsten intelligenten Modellen. Das Modell unterstützt Text als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 262k Tokens.

K-EXAONE 2.0 erzielt im Artificial Analysis Intelligence Index einen Wert von 8 und liegt damit am unteren Ende der vergleichbaren Modelle (Median: 23). Bei der Evaluation des Intelligence Index erzeugte es 63.1M Tokens und antwortete damit sehr knapp im Vergleich zum Median von 104M.

Reasoning	Ja
Eingabemodalität	Unterstützt: Text
Ausgabemodalität	Unterstützt: Text
Kontextfenster	262k ~393 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	750B
Aktive Parameter	37B Anzahl der pro Token während der Inferenz aktiven Parameter
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Zeit pro Aufgabe

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

GDPval-AA v2.1

Agentic real-world work tasks, Elo

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Kosten

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Tokenverbrauch

Ausgabe-Token pro Aufgabe des Intelligence Index

Gewichtete durchschnittliche Anzahl an Ausgabe-Token für eine Aufgabe im Artificial Analysis Intelligence Index

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Kontextfenster

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Weitere Details

								Gewichte
K-EXAONE 2.0	LG AI Research	8	750B 37B während der Inferenz aktiv	262k	-	-	-	🤗	-

Weitere Veröffentlichungen von LG AI Research

Häufig gestellte Fragen

Häufige Fragen zu K-EXAONE 2.0

K-EXAONE 2.0 wurde am 12. August 2026 veröffentlicht.

K-EXAONE 2.0 wurde von LG AI Research entwickelt.

K-EXAONE 2.0 erzielt im Artificial Analysis Intelligence Index einen Wert von 8 und liegt damit im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe am unteren Ende (Median: 23).

Bei der Evaluation des Intelligence Index erzeugte K-EXAONE 2.0 63.1M Ausgabetokens. Dies ist sehr konkurrenzfähig im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 104M).

Ja, K-EXAONE 2.0 ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt.

K-EXAONE 2.0 unterstützt Text als Eingabe.

K-EXAONE 2.0 unterstützt Text als Ausgabe.

Nein, K-EXAONE 2.0 unterstützt keine Bildeingaben. Es kann nur Text verarbeiten.

Nein, K-EXAONE 2.0 ist nicht multimodal. Es unterstützt nur Text als Eingabe.

K-EXAONE 2.0 hat ein Kontextfenster von 262k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, K-EXAONE 2.0 hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

K-EXAONE 2.0 hat 750B Parameter (37B aktiv).

K-EXAONE 2.0 ist ein Mixture-of-Experts-Modell (MoE) mit insgesamt 750B Parametern, von denen während der Inferenz jedoch nur 37B aktiv sind.

K-EXAONE 2.0 wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

K-EXAONE 2.0 erzielt im Artificial Analysis Intelligence Index einen Wert von 8. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Wissensarbeit, Programmierung, Wissenschaft und Allgemeinwissen.

K-EXAONE 2.0 ist ein Modell mit offenen Gewichten, das selbst gehostet werden kann. Anbieter anzeigen

K-EXAONE 2.0 ist ein Modell mit offenen Gewichten, das heruntergeladen und selbst gehostet werden kann. Anbieter vergleichen

K-EXAONE 2.0: Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Leistung

Kosten

Ausführlichkeit

Technische Spezifikationen

131 Modelle in dieser Klasse

Intelligenz

Zeit pro Aufgabe

Kosten pro Aufgabe

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Fähigkeitsindizes

Fähigkeitsindizes

Benchmarks

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: Wert

Kosten

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Tokenverbrauch

Ausgabe-Token pro Aufgabe des Intelligence Index

Output Tokens per Intelligence Index Task

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Weitere Details

Weitere Veröffentlichungen von LG AI Research

Häufig gestellte Fragen

Wann wurde K-EXAONE 2.0 veröffentlicht?

Wer hat K-EXAONE 2.0 entwickelt?

Wie intelligent ist K-EXAONE 2.0?

Wie ausführlich antwortet K-EXAONE 2.0?

Ist K-EXAONE 2.0 ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt K-EXAONE 2.0?

Welche Ausgabemodalitäten unterstützt K-EXAONE 2.0?

Kann K-EXAONE 2.0 Bilder verarbeiten?

Ist K-EXAONE 2.0 multimodal?

Wie groß ist das Kontextfenster von K-EXAONE 2.0?

Hat K-EXAONE 2.0 offene Gewichte?

Wie viele Parameter hat K-EXAONE 2.0?

Was sind die aktiven Parameter von K-EXAONE 2.0?

Unter welcher Lizenz steht K-EXAONE 2.0?

Wie schneidet K-EXAONE 2.0 in Benchmarks ab?

Ist K-EXAONE 2.0 über eine API verfügbar?

Wo kann ich K-EXAONE 2.0 verwenden?