K-EXAONE
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- LG AI Research
- Typ organizacji
- Industry
- Kraj
- Korea (Republic of)
- Opublikowany
- 31 December 2025
- Autorzy
- 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
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation, Chat, Question answering, Code generation, Mathematical reasoning, Instruction interpretation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 236B
- Dane treningowe
- 11,000,000,000,000 tokens
- Epoki
- 1
236B
11T tokens
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 1.5 × 10²⁴ FLOP
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA B200 GPUs
- Zastosowane chipy
- 512
- Czas rzeczywisty
- 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
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- API access
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Training cost
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- K-EXAONE Technical Report
- Ostatnio zaktualizowane
- 13 January 2026
Co oznaczają liczby
Tło
K-EXAONE został opublikowany przez LG AI Research, w kraju zapisanym jako Korea (Republic of), podczas December 2025. Organizacja publikująca jest klasyfikowana jako industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Chat, Question answering, Code generation, Mathematical reasoning, Instruction interpretation.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 1.5 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA B200 GPUs. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Został wytrenowany na korpusie około 11,000,000,000,000 Tokeny tekstu.
Kryterium włączenia: training cost.
Odpowiedzi
K-EXAONE — częste pytania
K-EXAONE— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
K-EXAONE— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
K-EXAONE— ile ma parametrów?
Ma liczbę parametrów równą 236B. 236B. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
K-EXAONE— kto to stworzył?
Zostało opublikowane przez LG AI Research, oparty na Korea (Republic of), organizacja sklasyfikowana jako industry.
K-EXAONE— kiedy to zostało wydane?
Zostało opublikowane w December 2025.
K-EXAONE— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Chat, Question answering, Code generation, Mathematical reasoning, Instruction interpretation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
K-EXAONE— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.5 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA B200 GPUs. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.