LG AI Research

•

EXAONE 4.5 33B

•

Open weights model

•

Released abril de 2026

Análise de inteligência, desempenho e preço do EXAONE 4.5 33B (Reasoning)

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

Experimente Benchmarks de provedores de API

InteligênciaUpdated

N/D

Artificial Analysis Intelligence Index

Velocidade

N/D

Tokens de saída por segundo

Custo

Entrada -Saída -

N/D

Custo por tarefa do Intelligence Index

Verbosidade

N/D

Tokens de saída do Intelligence Index

EXAONE 4.5 33B (Reasoning) aceita entrada em texto e imagem, gera saída em texto e tem uma janela de contexto de 262k tokens.

Raciocínio	Sim Esta página mostra a versão com raciocínio deste modelo. Também pode existir uma variante sem raciocínio.
Modalidade de entrada	Compatível com: texto e imagem
Modalidade de saída	Compatível com: texto
Janela de contexto	262k ~393 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	34.4B
Licença	EXAONE AI Model License Agreement 1.2 - NC
Pesos do modelo	Hugging Face

As métricas são comparadas com modelos da mesma classe:

Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
Modelos de raciocínio → comparados com modelos com e sem raciocínio
Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:

Muito pequeno: ≤4B parâmetros
Pequeno: 4B–40B parâmetros
Médio: 40B–150B parâmetros
Grande: >150B parâmetros

Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:

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

Updated

Inteligência

Artificial Analysis Intelligence Index · Higher is better

Velocidade

Output tokens per second · Higher is better

Custo por tarefa

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

InteligênciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 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 abertos vs. proprietários

No publicly available API

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. custo por tarefa

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.

Avaliações

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

Ver mais

No publicly available API

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 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

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

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

Openness Index

Artificial Analysis Openness Index: pontuação

O Openness Index avalia a abertura dos modelos em uma escala normalizada de 0 a 100 (quanto maior, mais aberto)

Comparações do Intelligence Index

Intelligence Index vs. custo por tarefa

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

Most attractive quadrant

Pareto line

Custo

Custo por tarefa do Intelligence Index

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

Custo de executar o 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).

Preços: acertos de cache, entrada e saída

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.

Janela de contexto

Context window: tokens limit · Higher is better

No publicly available API

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).

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

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.

Perguntas frequentes

Perguntas comuns sobre o EXAONE 4.5 33B (Reasoning)

O EXAONE 4.5 33B (Reasoning) foi lançado em 9 de abril de 2026.

LG AI Research criou o EXAONE 4.5 33B (Reasoning).

Sim, o EXAONE 4.5 33B (Reasoning) é um modelo de raciocínio. Ele usa reflexão prolongada ou raciocínio em cadeia para resolver problemas complexos antes de fornecer uma resposta.

EXAONE 4.5 33B (Reasoning) aceita entrada em texto e imagem.

EXAONE 4.5 33B (Reasoning) permite saída em texto.

Sim, o EXAONE 4.5 33B (Reasoning) aceita imagens como entrada e pode analisá-las, descrevê-las e responder a perguntas sobre elas.

Sim, o EXAONE 4.5 33B (Reasoning) é multimodal. Ele consegue processar entrada em texto e imagem e gerar saída em texto.

EXAONE 4.5 33B (Reasoning) tem uma janela de contexto de 260k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o EXAONE 4.5 33B (Reasoning) é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

EXAONE 4.5 33B (Reasoning) tem 34,4 bilhões parâmetros.

EXAONE 4.5 33B (Reasoning) foi lançado sob a licença EXAONE AI Model License Agreement 1.2 - NC. Esta licença não permite o uso comercial. Ver licença

EXAONE 4.5 33B (Reasoning) é um modelo de pesos abertos que pode ser auto-hospedado. Ver provedores

EXAONE 4.5 33B (Reasoning) é um modelo de pesos abertos que pode ser baixado e auto-hospedado. Comparar provedores

Análise de inteligência, desempenho e preço do EXAONE 4.5 33B (Reasoning)

Resumo do modelo

InteligênciaUpdated

Velocidade

Custo

Verbosidade

Resumo da comparação

Especificações técnicas

143 modelos nesta classe

Inteligência

Velocidade

Custo por tarefa

InteligênciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Avaliações

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: pontuação

Comparações do Intelligence Index

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Custo

Custo por tarefa do Intelligence Index

Cost per Intelligence Index Task

Custo de executar o Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preços: acertos de cache, entrada e saída

Cache Hit

Janela de contexto

Janela de contexto

Context Window for RAG

Context Window

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Total Parameters

Active Parameters at Inference Time

Perguntas frequentes

Quando o EXAONE 4.5 33B (Reasoning) foi lançado?

Quem criou o EXAONE 4.5 33B (Reasoning)?

O EXAONE 4.5 33B (Reasoning) é um modelo de raciocínio?

Quais modalidades de entrada o EXAONE 4.5 33B (Reasoning) aceita?

Quais modalidades de saída o EXAONE 4.5 33B (Reasoning) aceita?

O EXAONE 4.5 33B (Reasoning) consegue processar imagens?

O EXAONE 4.5 33B (Reasoning) é multimodal?

Qual é a janela de contexto do EXAONE 4.5 33B (Reasoning)?

O EXAONE 4.5 33B (Reasoning) é de código aberto?

Quantos parâmetros o EXAONE 4.5 33B (Reasoning) tem?

Qual é a licença do EXAONE 4.5 33B (Reasoning)?

O EXAONE 4.5 33B (Reasoning) está disponível por API?

Onde posso usar o EXAONE 4.5 33B (Reasoning)?