Корейская нейросеть K-EXAONE: как LG вошла в мировую десятку и что из этого получилось

В мировом рейтинге открытых языковых моделей в течение длительного времени существовало (да и существует по сей день) два полюса – американские разработчики и китайские. Остальные зачастую присутствуют где-то на периферии, не особо претендуя на первые строчки.

Однако в конце декабря 2025 года LG AI Research (Южная Корея) нарушила это равновесие, выпустив K-EXAONE – модель, которая сразу после появления на Hugging Face взлетела на второе место в глобальном тренде платформы и стала единственной корейской моделью в мировом топ-10 среди открытых систем, в котором первые шесть позиций заняты китайскими разработчиками, а три – американскими. Корейцы, которые умеют делать телевизоры, стиральные машины и чипы, теперь претендуют на место в клубе разработчиков больших языковых моделей. История, как отмечают эксперты Креатор Проджект, получилась неожиданно интересной.

Для чего корейцы создали собственную нейросеть

Полное техническое название модели – K-EXAONE-236B-A23B (первая часть представляет собой само имя модели, вторая – общий размер параметров, а третья – активные параметры во время работы).

Модель представляет собой не просто еще один корпоративный AI-проект. За ним стоит государственная программа создания суверенной модели: LG участвовала в правительственном конкурсе среди пяти команд, победила в 10 из 13 тестов и получила наивысший средний балл среди всех участников. При этом Южная Корея сознательно решила не зависеть от американских и китайских моделей в критически важных приложениях, и K-EXAONE стал первым результатом этой амбиции.

LG поставила себе конкретную цель, которая заключалась в том, чтобы превзойти Alibaba Qwen3, одного из сильнейших открытых китайских конкурентов. По итогам 13 стандартных тестов K-EXAONE набрала средний балл 72,03 против 69,37 у Qwen3. По меркам ИИ-соревнований, в которых конкуренты борются за десятые доли процента, разрыв в три балла довольно-таки ощутим.

Примечателен и темп разработки. LG дошла до уровня конкурентоспособной модели за пять месяцев, а глава лаборатории Ли Джин-сик открыто признал, что первая версия создана примерно на половине доступных данных. Это либо очень честное признание ограничений, либо заявка на то, что следующая версия будет еще серьезнее. Скорее всего, и то и другое одновременно.

Как работает модель, что она умеет

K-EXAONE построена на архитектуре, в которой основная часть параметров большую часть времени не задействована. При общем объеме в 236 млрд. параметров во время обработки каждого запроса активны только около 10 % (примерно 23 млрд.). Эта особенность позволяет достичь производительности крупной модели при существенно меньших вычислительных затратах, чем если бы все параметры работали постоянно. Схема не уникальная, ведь похожие решения использует и DeepSeek, и IBM Granite; однако здесь большее значение имеет сама реализация.

Особо стоит отметить подход к обучению: разработчики намеренно обучали модель не просто запоминать правильные ответы, а воспроизводить логику решения задач. В процессе обучения использовались данные с так называемыми «траекториями мышления» (то есть, в которых имелись не только итоговые ответы, но и последовательность рассуждений, которые к этим ответам ведут). Данный момент отличает K-EXAONE от систем, которые хорошо выглядят на тестах за счет прямого совпадения с обучающими данными, но теряются при встрече с нестандартными задачами.

Контекстное окно модели позволяет работать с текстами объемом около 400 страниц формата А4 за один раз. Скорость генерации при этом заметно выше среднего для моделей сопоставимого размера, а время до первого ответа очень короткое и составляет 0,3 секунды против среднего по классу в 1,14 секунды. Когда речь идет об агентных приложениях, в работе с которыми пользователю приходится ждать реакции на каждый шаг, такая разница будет ощутимой.

Честный взгляд

Однако необходимо понимать, в каком состоянии находится этот продукт. Руководство LG само называло выпущенную версию «отправной точкой» и обещало существенно усилить модель в последующих итерациях. Честное признание, однако оно говорит о том, что перед нами версия первая и еще пока не доведенная до совершенства, со всеми вытекающими.

Стоит держать в голове один нюанс относительно этой модели – на тестах она генерирует 100 млн. токенов при среднем значении по классу в 14 млн. Речь идет о «многословности» модели, или же склонности отвечать значительно длиннее, чем требуется. В некоторых задачах это качество будет излишним.

Независимый эксперт Джей Ли, комментируя EXAONE, сформулировал мысль, которая хорошо описывает ситуацию: модель конкурентоспособна и перспективна, но правильный путь состоит в том, чтобы сначала накопить реальные кейсы применения в конкретных индустриях, построить доверие там, а уже потом двигаться на глобальный рынок. Тут речь даже не о критике, а о вполне здравой стратегической логике. Войти в топ-10 мирового рейтинга – уже существенное достижение. Но стать инструментом, который реально меняет рабочие процессы в компаниях за пределами Кореи – совсем другая история.

Модель доступна на Hugging Face с открытыми весами, работает на GPU-оборудовании предыдущего поколения без необходимости в самом дорогом железе, и это делает ее реальным вариантом для компаний, которые хотят развернуть серьезную языковую модель без сверхзатрат на инфраструктуру. Период бесплатного API-доступа для знакомства с моделью уже закончился, но веса открыты, и сообщество с ними работает. K-EXAONE является моделью с реальными результатами и реальными ограничениями, которая появилась быстрее, чем многие ожидали от корейской команды. Что получится из этого дальше, посмотрим в следующих версиях.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.