•

Open weights model

•

Released agosto de 2026

Análisis de inteligencia, rendimiento y precio de K-EXAONE 2.0

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

Probar

Rendimiento

N/D

Tiempo por tarea del Intelligence Index (minutos)

Costo

Entrada -Salida -

N/D

Costo por tarea del Intelligence Index

Verbosidad

Tokens de entrada 4.42BSalida/entrada 1.426%

63.1M

Tokens de salida del Intelligence Index

K-EXAONE 2.0 está entre los modelos menos inteligentes en comparación con otros modelos de pesos abiertos y tamaño similar. El modelo admite entrada de texto, genera texto y tiene una ventana de contexto de 262k tokens.

K-EXAONE 2.0 obtiene 8 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa en el extremo inferior entre modelos comparables (con una mediana de 23). Al evaluar el Intelligence Index, generó 63.1M tokens, lo que es muy conciso frente a la mediana de 104M.

Razonamiento	Sí
Modalidad de entrada	Admite: texto
Modalidad de salida	Admite: texto
Ventana de contexto	262k ~393 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	750B
Parámetros activos	37B Número de parámetros activos por token durante la inferencia
Licencia	Apache 2.0
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Tiempo por tarea

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

No publicly available API

Costo por tarea

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

No publicly available API

InteligenciaUpdated

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: pesos abiertos vs. propietarios

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. costo por tarea

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.

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas

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: puntuación

El Openness Index mide la apertura de los modelos en una escala normalizada de 0 a 100 (cuanto más alta, mayor apertura)

Costo

Costo por tarea del Intelligence Index

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

Costo de ejecutar el 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).

Precios: aciertos de caché, entrada y salida

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.

Uso de tokens

Tokens de salida por tarea del Intelligence Index

Promedio ponderado de tokens de salida usados para ejecutar una tarea del 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).

Ventana de contexto

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).

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

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.

Más detalles

								Pesos
K-EXAONE 2.0	LG AI Research	8	750B 37B activos en inferencia	262k	-	-	-	🤗	-

Más de LG AI Research

Preguntas frecuentes

Preguntas comunes sobre K-EXAONE 2.0

K-EXAONE 2.0 se lanzó el 12 de agosto de 2026.

K-EXAONE 2.0 fue creado por LG AI Research.

K-EXAONE 2.0 obtiene 8 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa en el extremo inferior entre otros modelos de pesos abiertos y tamaño similar (mediana: 23).

Al evaluarlo en el Intelligence Index, K-EXAONE 2.0 generó 63.1M tokens de salida, un valor muy por debajo del promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 104M).

Sí, K-EXAONE 2.0 es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta.

K-EXAONE 2.0 admite entrada de texto.

K-EXAONE 2.0 admite salida de texto.

No, K-EXAONE 2.0 no admite imágenes como entrada. Solo puede procesar texto.

No, K-EXAONE 2.0 no es multimodal. Solo admite entradas de texto.

K-EXAONE 2.0 tiene una ventana de contexto de 262k tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, K-EXAONE 2.0 es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

K-EXAONE 2.0 tiene 750B parámetros (37B activos).

K-EXAONE 2.0 es un modelo de mezcla de expertos (MoE) con 750B parámetros totales, pero durante la inferencia solo usa 37B parámetros activos.

K-EXAONE 2.0 se publica bajo la licencia Apache 2.0, que permite el uso comercial. Ver licencia

K-EXAONE 2.0 obtiene 8 puntos en el Artificial Analysis Intelligence Index. Este benchmark compuesto evalúa los modelos en trabajo del conocimiento, programación, ciencia y conocimiento general.

K-EXAONE 2.0 es un modelo de pesos abiertos que puede alojarse por cuenta propia. Ver proveedores

K-EXAONE 2.0 es un modelo de pesos abiertos que puede descargarse y alojarse por cuenta propia. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de K-EXAONE 2.0

Resumen del modelo

InteligenciaUpdated

Rendimiento

Costo

Verbosidad

Especificaciones técnicas

131 modelos en esta clase

Inteligencia

Tiempo por tarea

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Índices de capacidades

Índices de capacidades

Benchmarks

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: puntuación

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Precios: aciertos de caché, entrada y salida

Cache Hit

Uso de tokens

Tokens de salida por tarea del Intelligence Index

Output Tokens per Intelligence Index Task

Ventana de contexto

Ventana de contexto

Context Window for RAG

Context Window

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Total Parameters

Active Parameters at Inference Time

Más detalles

Más de LG AI Research

Preguntas frecuentes

¿Cuándo se lanzó K-EXAONE 2.0?

¿Quién creó K-EXAONE 2.0?

¿Qué tan inteligente es K-EXAONE 2.0?

¿Qué tan verboso es K-EXAONE 2.0?

¿K-EXAONE 2.0 es un modelo de razonamiento?

¿Qué modalidades de entrada admite K-EXAONE 2.0?

¿Qué modalidades de salida admite K-EXAONE 2.0?

¿K-EXAONE 2.0 puede procesar imágenes?

¿K-EXAONE 2.0 es multimodal?

¿Cuál es la ventana de contexto de K-EXAONE 2.0?

¿K-EXAONE 2.0 es de código abierto?

¿Cuántos parámetros tiene K-EXAONE 2.0?

¿Cuáles son los parámetros activos de K-EXAONE 2.0?

¿Qué licencia tiene K-EXAONE 2.0?

¿Cómo rinde K-EXAONE 2.0 en los benchmarks?

¿K-EXAONE 2.0 está disponible mediante API?

¿Dónde puedo usar K-EXAONE 2.0?