EXAONE 2.0

Pesos cerrados LG AI Research 300B parámetros July 2023

Sin estimación

Sin requisitos de hardware para este modelo

Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización
LG AI Research
Tipo de Organización
Industry
País
Korea (Republic of)
Publicado
19 July 2023

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio
Multimodal, Image generation, Language, Biology, Vision
Tarea
Language modeling, Image generation, Visual question answering

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros
300B

300 billion

Datos de entrenamiento
tokens

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos
Closed — provider access only
Acceso al modelo
Unreleased
Código de entrenamiento
Unreleased

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Probablemente por encima de 10²³ FLOP
Yes
Confianza de registro
Speculative

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia
LG AI Research Develops Foundation Model Using Amazon SageMaker
Última actualización
28 November 2025

Qué significan los números

De dónde vino

EXAONE 2.0 fue publicado por LG AI Research, en el país registrado como Korea (Republic of), durante July 2023. La organización editora está clasificada como industry.

Funciona en el dominio de Multimodal, Image generation, Language, Biology, Vision, y se registra como realizando la tarea de language modeling, Image generation, Visual question answering.

Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.

Respuestas

EXAONE 2.0 — preguntas comunes

01

EXAONE 2.0— ¿Quién lo creó?

Fue publicado por LG AI Research, basado en Korea (Republic of), una organización categorizada como industry.

02

EXAONE 2.0— ¿cuándo fue lanzado?

Se publicó en July 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

03

EXAONE 2.0— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Image generation, Language, Biology, Vision, y se registra como manejando la tarea de language modeling, Image generation, Visual question answering. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

04

EXAONE 2.0— ¿Qué GPU necesito para ejecutarlo?

Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.

05

EXAONE 2.0— ¿Es de código abierto?

No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.

06

EXAONE 2.0— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 300B. 300 billion. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.