K-EXAONE
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- LG AI Research
- Organisatietype
- Industry
- Land
- Korea (Republic of)
- Gepubliceerd
- 31 December 2025
- Auteurs
- Eunbi Choi, Kibong Choi, Seokhee Hong, Junwon Hwang, Hyojin Jeon, Hyunjik Jo, Joonkee Kim, Seonghwan Kim, Soyeon Kim, Sunkyoung Kim, Yireun Kim, Yongil Kim, Haeju Lee, Jinsik Lee, Kyungmin Lee, Sangha Park, Heuiyeen Yeen
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Chat, Question answering, Code generation, Mathematical reasoning, Instruction interpretation
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 236B
- Training gegevens
- 11,000,000,000,000 tokens
- Epochs
- 1
236B
11T tokens
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 1.5 × 10²⁴ FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA B200 GPUs
- Gebruikte chips
- 512
- Kloktijd
- 3,240 hours (135 days)
K-EXAONE was trained using a cloud-based GPU environment. The total training duration was 135 days, utilizing 512 B200 GPUs. This corresponds to a total of 1,658,880 GPU hours, calculated as follows: 512 GPUs × 135 days × 24 hours = 1,658,880 GPU hours
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- API access
- Training code
- Unreleased
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- Training cost
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- K-EXAONE Technical Report
- Laatst bijgewerkt
- 13 January 2026
Wat de cijfers betekenen
Achtergrond
K-EXAONE werd gepubliceerd door LG AI Research, in het land geregistreerd als Korea (Republic of), tijdens December 2025. De publicerende organisatie is geclassificeerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Chat, Question answering, Code generation, Mathematical reasoning, Instruction interpretation.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Hoe het getraind werd
Training kostte een rekensbudget van ongeveer 1.5 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA B200 GPUs. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 11,000,000,000,000 tekstokens
De inclusiecriteria: training cost.
Antwoorden
K-EXAONE — veelgestelde vragen
K-EXAONE— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
K-EXAONE— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
K-EXAONE— hoeveel parameters heeft het?
Het heeft een parameter telling van 236B. 236B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
K-EXAONE— wie heeft het gemaakt?
Het werd gepubliceerd door LG AI Research, gebaseerd op Korea (Republic of), een organisatie geclassificeerd als industry.
K-EXAONE— wanneer is het uitgebracht?
Het werd gepubliceerd in December 2025.
K-EXAONE— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Chat, Question answering, Code generation, Mathematical reasoning, Instruction interpretation. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
K-EXAONE— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.5 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA B200 GPUs. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.