O LG AI Research abriu em 9 de novembro o acesso gratuito ao K-EXAONE 2.5 pela EXAONE API Platform. Segundo o comunicado da LG, desenvolvedores, empresas e pesquisadores podem usar o modelo com uma chave de API. A versão recebeu treinamento adicional sobre o modelo apresentado em agosto e serve para validar essas mudanças em situações de uso real.
Para uma equipe que já tem um agente de código ou uma automação em teste, a abertura da API reduz o trabalho de colocar outro modelo na comparação. Dá para repetir a mesma tarefa e observar onde a resposta muda, quanto tempo ela leva e se o fluxo termina com um resultado aproveitável.
Como funciona o acesso ao K-EXAONE 2.5
A documentação do modelo lista o identificador k-exaone_v2.5 no endpoint /v1/chat/completions, com formato compatível com a API da OpenAI. Um cliente que permita trocar a URL base, a chave e o identificador do modelo pode reaproveitar parte da integração. Vale conferir como ele trata respostas em streaming e os campos específicos do provedor.
O modelo recebe apenas texto. A janela documentada é de 524.288 tokens, compartilhados entre a entrada e o orçamento de geração, que inclui o raciocínio. Em uma análise de repositório, isso permite enviar mais código e histórico na mesma chamada. A janela define quanto cabe na requisição. A capacidade de recuperar a informação certa no meio desse material precisa ser medida na tarefa.
A gratuidade também convive com limites de requisições. A plataforma documenta janelas por segundo, minuto e dia, informa a cota restante nos cabeçalhos HTTP e devolve erro 429 quando o limite é excedido. Em um agente que faz várias chamadas por tarefa, essa diferença aparece antes mesmo de o volume de usuários crescer.
O que os benchmarks da LG ajudam a testar
Nos testes internos com conjuntos de dados abertos, a LG reportou 59,2 no SWE-bench Pro, voltado a tarefas de engenharia de software, e 78,0 no BrowseComp, que avalia a busca de informações na web. Os resultados dão pontos de partida para experimentar o modelo. Comparar os números com os de outra publicação exige conferir as condições de execução, incluindo as ferramentas e o sistema que coordena as chamadas.
Em um agente de código, o resultado que interessa é uma correção que passa nos testes e cabe no tempo de revisão da equipe.
Um teste pequeno já ajuda a responder isso. Rode a mesma correção com o K-EXAONE 2.5 e com o modelo atual, mantendo as ferramentas e o orçamento de tentativas. Depois, compare os testes que passaram, o tempo até a conclusão e as intervenções humanas necessárias. Se o agente funciona bem em uma execução isolada, repita com a concorrência esperada para descobrir onde a cota começa a interferir.
