•

Open weights model

•

Released agosto de 2026

Análise de inteligência, desempenho e preço do K-EXAONE 2.0

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

Experimente

Desempenho

N/D

Tempo por tarefa do Intelligence Index (minutos)

Custo

Entrada -Saída -

N/D

Custo por tarefa do Intelligence Index

Verbosidade

Tokens de entrada 4.42BSaída/entrada 1.426%

63.1M

Tokens de saída do Intelligence Index

K-EXAONE 2.0 está entre os modelos menos inteligentes em comparação com outros modelos de pesos abertos de tamanho semelhante. O modelo aceita entrada em texto, gera saída em texto e tem uma janela de contexto de 262k tokens.

K-EXAONE 2.0 alcança 8 pontos no Artificial Analysis Intelligence Index, ficando na faixa inferior entre os modelos comparáveis (mediana: 23). Na avaliação do Intelligence Index, gerou 63.1M tokens, um resultado muito conciso em comparação com a mediana de 104M.

Raciocínio	Sim
Modalidade de entrada	Compatível com: texto
Modalidade de saída	Compatível com: texto
Janela de contexto	262k ~393 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	750B
Parâmetros ativos	37B Número de parâmetros ativos por token durante a inferência
Licença	Apache 2.0
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

No publicly available API

Tempo por tarefa

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

No publicly available API

Custo por tarefa

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

No publicly available API

InteligênciaUpdated

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 abertos vs. proprietários

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.

Índices de capacidade

Índices de capacidades

Mede o desempenho dos modelos em capacidades e setores específicos

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

Avaliações

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

Ver mais

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: pontuação

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

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.

Uso de tokens

Tokens de saída por tarefa do Intelligence Index

Média ponderada de tokens de saída usados para executar uma tarefa do 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).

Janela 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).

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.

Mais detalhes

								Pesos
K-EXAONE 2.0	LG AI Research	8	750B 37B ativos durante a inferência	262k	-	-	-	🤗	-

Mais lançamentos de LG AI Research

Perguntas frequentes

Perguntas comuns sobre o K-EXAONE 2.0

O K-EXAONE 2.0 foi lançado em 12 de agosto de 2026.

LG AI Research criou o K-EXAONE 2.0.

K-EXAONE 2.0 alcança 8 pontos no Artificial Analysis Intelligence Index, ficando na faixa inferior entre outros modelos de pesos abertos de tamanho semelhante (mediana: 23).

Na avaliação do Intelligence Index, K-EXAONE 2.0 gerou 63.1M tokens de saída, um resultado muito competitivo em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 104M).

Sim, o K-EXAONE 2.0 é um modelo de raciocínio. Ele usa reflexão prolongada ou raciocínio em cadeia para resolver problemas complexos antes de fornecer uma resposta.

K-EXAONE 2.0 aceita entrada em texto.

K-EXAONE 2.0 permite saída em texto.

Não, o K-EXAONE 2.0 não aceita imagens como entrada. Ele só consegue processar texto.

Não, o K-EXAONE 2.0 não é multimodal. Ele aceita apenas entrada em texto.

K-EXAONE 2.0 tem uma janela de contexto de 262k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o K-EXAONE 2.0 é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

K-EXAONE 2.0 tem 750B parâmetros (37B ativos).

K-EXAONE 2.0 é um modelo de mistura de especialistas (MoE) com 750B parâmetros no total, mas apenas 37B parâmetros ativos são usados durante a inferência.

K-EXAONE 2.0 foi lançado sob a licença Apache 2.0. Essa licença permite o uso comercial. Ver licença

K-EXAONE 2.0 alcança 8 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em trabalho do conhecimento, programação, ciência e conhecimento geral.

K-EXAONE 2.0 é um modelo de pesos abertos que pode ser auto-hospedado. Ver provedores

K-EXAONE 2.0 é um modelo de pesos abertos que pode ser baixado e auto-hospedado. Comparar provedores

Análise de inteligência, desempenho e preço do K-EXAONE 2.0

Resumo do modelo

InteligênciaUpdated

Desempenho

Custo

Verbosidade

Especificações técnicas

131 modelos nesta classe

Inteligência

Tempo por tarefa

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

Índices de capacidade

Índices de capacidades

Avaliações

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: pontuação

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

Uso de tokens

Tokens de saída por tarefa do Intelligence Index

Output Tokens per Intelligence Index Task

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

Mais detalhes

Mais lançamentos de LG AI Research

Perguntas frequentes

Quando o K-EXAONE 2.0 foi lançado?

Quem criou o K-EXAONE 2.0?

Qual é a inteligência do K-EXAONE 2.0?

Qual é a verbosidade do K-EXAONE 2.0?

O K-EXAONE 2.0 é um modelo de raciocínio?

Quais modalidades de entrada o K-EXAONE 2.0 aceita?

Quais modalidades de saída o K-EXAONE 2.0 aceita?

O K-EXAONE 2.0 consegue processar imagens?

O K-EXAONE 2.0 é multimodal?

Qual é a janela de contexto do K-EXAONE 2.0?

O K-EXAONE 2.0 é de código aberto?

Quantos parâmetros o K-EXAONE 2.0 tem?

Quais são os parâmetros ativos do K-EXAONE 2.0?

Qual é a licença do K-EXAONE 2.0?

Qual é o desempenho do K-EXAONE 2.0 nos benchmarks?

O K-EXAONE 2.0 está disponível por API?

Onde posso usar o K-EXAONE 2.0?