读懂｜K-EXAONE 2.5 免费开放，成绩单换了三处

LG 11 月 9 日免费开放 K-EXAONE 2.5 API，称 8 周综合提升 70%。对照 8 月模型卡，对手、考卷版本和汇总方式都换了，这个 70% 没有一项能核对。

LG 把 K-EXAONE 2.5 的 API 免费放了出来，外部开发者不用自建机房，就能检验它那份自测成绩。

LG AI 研究院 11 月 9 日在首尔宣布这件事，称新模型 8 周里综合性能提升 70% 以上，智能体能力可与 DeepSeek、智谱的开放模型竞争。

我们的判断是：和 8 月的模型卡相比，这次换了对手、考卷版本和汇总方式，70% 没有一项能核对。在 LG 自己的四项测试里，它与两款中国模型互有胜负，前沿档的说法没有证据撑住。

对照组换成 V4.1 Flash

据 Hugging Face 上的 K-EXAONE 2.0 模型卡，8 月那一代是 7,500 亿参数的混合专家模型，每个词元激活 370 亿参数。当时的对照组是 Qwen3.5、GLM-5.1 和 DeepSeek V4 Pro（max）。

据 LG 的发布稿，2.5 是在这一代上追加训练的技术验证模型。这次对照组换成 DeepSeek V4.1 Flash 和 GLM 5.3（max），只列了四项智能体测试。

测试	K-EXAONE 2.5	DeepSeek V4.1 Flash	GLM 5.3
AutomationBench	74.6	74.9	71.6
Claw-Eval	77.3	75.8	77.6
BrowseComp	78.0	75.8	79.0
SWE-Bench Pro	59.2	58.4	64.0

四项里，它赢 DeepSeek 三项，只赢 GLM 一项。四组数字全部由 LG 自己测出。

LG AI 研究院的英文页把第一项写作 AutomationBench-Openset，并注明是用公开数据集做的内部评测。

DeepSeek 自己的 V4.1 Flash 模型卡用官方测试框架测 AutomationBench，自己是 54.8 分，GLM-5.3 是 48.8 分。同一款模型，两家测出的分数差了 20 分。

两边的考卷版本不同，分数不能互换。这是分析推断，依据是 LG 写明用 Openset，DeepSeek 写明用官方框架。LG 这张表只能在表内比，不能拿去对照公开榜单。

据韩联社报道，EXAONE 实验室负责人 Kim Yi-reun 说，24 个评测指标综合起来比 8 月模型提升 70% 以上。LG 没有公布这 24 项是什么，也没有说明怎么综合。

四项里与 8 月模型卡重合的只有 Claw-Eval：8 月是 77.7，这次 2.5 是 77.3。同一张 8 月表里 GLM-5.1 的 Claw-Eval 是 84.4，这次 GLM 5.3 只有 77.6。

两次的测法多半变了，这是分析推断，依据是更新的 GLM 反而低了近 7 分。测法一变，77.7 和 77.3 也无法对账，70% 就连一个可核对的落点都没有。

能查到的第三方分数属于 8 月那一代。Artificial Analysis 的智能指数给 K-EXAONE 2.0 打了 8 分，同体量开放权重模型的中位数是 23。

有人会说，V4.1 Flash 在 DeepSeek 自己的表里智能体分数高过 V4 Pro，换对手不等于降低难度。这一点我们接受。症结在别处：表里所有分数都出自 LG 同一套没公开的测法，外人无从复现。

这次免费开放补上了复现的条件。EXAONE API 文档按每秒、每分钟、每天三档限流，发布稿没有写免费到哪一天。LG 在 Hugging Face 公开的权重仍是 2.0 版。

开发团队拿一个 API 密钥，就能把 K-EXAONE 2.5 接进测试环境，用自己的任务跑一遍；拿它当前沿档选型，LG 这张四项自测表撑不起。