LG AI연구원이 K-엑사원 2.5 API를 11월 9일부터 누구나 무료로 쓰게 열고 에이전트 벤치마크 네 가지 점수를 공개했습니다 | DAKER 커뮤니티
LG AI연구원이 11월 9일 서울 코엑스에서 열린 엔비디아 AI 데이 서울 2026에서 K-엑사원 2.5의 API를 누구나 무료로 쓸 수 있도록 열었다고 밝혔습니다. 개발자, 스타트업, 기업, 연구 기관 누구나 API 키만 발급받으면 비용 없이 서비스 개발과 연구에 쓸 수 있습니다. 국내 독자 AI 파운데이션 모델을 직접 호출해 볼 수 있게 됐다는 점에서, 대회와 해커톤에서 LLM을 고르는 팀도 눈여겨볼 소식입니다.
K-엑사원 2.5는 어떤 모델인가
K-엑사원 2.5는 LG AI연구원이 8월에 공개한 독자 AI 파운데이션 모델 2차 결과물에 추가 학습을 적용한 기술 검증 모델입니다. 정식 3차 모델이 아니라는 점이 중요합니다. LG AI연구원은 3차 모델 개발에 들어가기 전에 학습 방법을 다듬어 성능이 얼마나 오르는지 확인하려고 이 모델을 만들었다고 설명합니다. 내부 분석으로 24개 평가 지표를 종합하면 8월 공개 모델보다 70% 이상 좋아졌고, 그 기간은 8주였다고 합니다.
공개된 에이전트 벤치마크 네 가지
LG AI연구원은 오픈 데이터셋을 바탕으로 자체 측정한 에이전트 성능 네 가지를 비교 대상과 함께 공개했습니다. 비교 대상은 중국의 오픈웨이트 모델인 딥시크 V4.1 Flash와 GLM 5.3(max)입니다.
- 오토메이션 벤치(업무 자동화): K-엑사원 2.5 74.6점, 딥시크 74.9점, GLM 71.6점
- 클로 이밸(업무 환경 문제 해결): K-엑사원 2.5 77.3점, 딥시크 75.8점, GLM 77.6점
- 브라우즈컴프(웹 탐색 정보 수집): K-엑사원 2.5 78.0점, 딥시크 75.8점, GLM 79.0점
- SWE-Bench Pro(소프트웨어 개발·수정): K-엑사원 2.5 59.2점, 딥시크 58.4점, GLM 64.0점
표를 읽는 방법은 단순합니다. 딥시크 V4.1 Flash와는 네 항목 중 세 항목에서 앞서고 오토메이션 벤치에서만 0.3점 뒤집니다. GLM 5.3(max)과는 오토메이션 벤치에서만 앞서고 나머지 세 항목은 근소하게 또는 눈에 띄게 뒤처지며, 특히 SWE-Bench Pro에서는 4.8점 차이가 납니다. 최상위 성능을 확인했다기보다 같은 급의 모델과 경쟁 가능한 수준에 올라왔다는 LG AI연구원의 설명이 점수와 맞아떨어집니다. 코드 수정처럼 소프트웨어 개발에 가까운 과제는 상대적으로 약할 수 있다는 점도 점수에서 읽힙니다.
점수 차이가 작다고 해서 실제 과제에서도 같은 결과가 나온다고 단정하기는 어렵습니다. 벤치마크는 정해진 문제 묶음에서 측정한 값이고, 대회 과제는 데이터 형식과 평가 지표가 다르기 때문입니다. 그래서 팀에서 쓰는 소규모 검증 문제 열 개 안팎을 정해 정답률, 응답 시간, 오류 유형을 나란히 비교해 보는 방식이 가장 확실합니다.
제3자가 검증한 순위가 아니라 LG AI연구원이 오픈 데이터셋으로 직접 측정한 점수라는 점을 먼저 기억해 두는 것이 좋습니다
무료 개방이 대회 참가자에게 의미하는 것
API 비용은 해커톤 팀이 모델을 고를 때 가장 현실적인 제약 가운데 하나입니다. 프로토타입 단계에서 호출 수가 많은 에이전트나 검색 보강 생성 파이프라인은 비용이 빠르게 불어납니다. 무료 API가 열리면 국산 모델을 후보에 넣어 비교하는 부담이 줄어듭니다. 다만 무료 제공이 얼마나 이어지는지, 속도 제한이 어떤지는 이번 보도자료에 적혀 있지 않습니다. 대회 제출물처럼 일정 기간 안정적으로 돌아야 하는 서비스에 쓴다면, 약관과 호출 한도를 공식 개발자 문서에서 먼저 확인하시기 바랍니다.
또 하나는 대회별 규정입니다. 외부 API를 쓸 수 있는지, 사용한 모델을 제출물에 밝혀야 하는지는 대회마다 다릅니다. 참가 중인 대회가 있다면 규정 페이지에서 사용 가능한 모델과 데이터 조건을 먼저 확인해 두시기 바랍니다.
앞으로 일정
LG AI연구원은 현재 독자 AI 파운데이션 모델 3차 개발에 역량을 모으고 있으며, 내년 1월까지 프런티어급 성능의 엑사원 모델을 완성하는 데 집중하겠다고 밝혔습니다. 임우형 공동 연구원장은 이번 API 공개로 더 많은 개발자와 기업이 달라진 성능을 직접 체감하길 기대한다고 말했습니다. 인프라 쪽에서는 엔비디아의 추론 최적화 기술 다이나모(Dynamo) 적용을 검토하고 있고, 엔비디아는 앞서 K-엑사원에 맞춘 다이나모 활용 가이드를 공개한 바 있습니다.
국산 모델과 해외 오픈웨이트 모델을 한 파이프라인에 놓고 같은 문제로 비교해 본다면, 여러분의 과제에서는 어느 쪽이 더 나을 것 같습니까? 최근 올라온 AI 소식은 DAKER 커뮤니티 잡담에서 이어서 볼 수 있습니다.
이 글은 2026년 11월 9일자 LG 공식 보도자료를 11월 10일에 확인해 정리했습니다.