LG AI연구원은 2026년 7월 31일 총 파라미터 7,500억 개, 토큰당 활성 파라미터 370억 개인 MoE 언어모델 K-EXAONE 2.0을 허깅페이스(Hugging Face)에 아파치 2.0 라이선스로 공개했다. 공식 모델 카드가 함께 실은 24개 벤치마크 표를 그대로 읽으면 이 모델이 비교 대상 3종인 Qwen3.5, GLM-5.1, DeepSeek-V4 Pro max를 모두 앞선 항목은 OpenAI-MRCR 94.4점과 KGC-Safety 99.8점, ROK-Fortress 89.5점의 3개이고, 3종 모두에 뒤진 항목은 17개다. ASAP은 국내 보도가 요약한 "해외 모델 추월"이라는 문장 대신 LG AI연구원이 직접 공개한 표를 1차 출처로 이 모델의 좌표를 다시 그린다.

발표 문구 세 개 중 두 개는 표에서 재현되고 하나는 재현되지 않는다

LG AI연구원이 공개와 함께 내세운 수치는 24개 벤치마크 평균 70.1점, 코딩·에이전트 3종 30% 향상, 롱컨텍스트에서 GLM-5.1 대비 10% 이상 우위의 세 가지다. 뒤의 두 개는 모델 카드 표에서 그대로 재현된다. 코딩·에이전트 범주 3종인 SciCode, SWE Bench Verified, Terminal-Bench 2.1의 평균은 전임 K-EXAONE의 38.4점에서 2.0의 49.8점으로 29.6% 올라 발표의 30%와 맞아떨어진다. 롱컨텍스트 범주 3종인 OpenAI-MRCR, AA-LCR, Ko-LongBench의 평균도 2.0이 80.1점, GLM-5.1이 72.5점으로 10.5% 우위이며 발표 문구와 일치한다.

재현되지 않는 것은 첫 번째 숫자다. 카드에 실린 24개 점수를 단순 평균하면 K-EXAONE 2.0은 73.3점, 전임 K-EXAONE은 66.9점이다(ASAP이 모델 카드 표에서 직접 산출). 9개 범주의 범주별 평균을 다시 평균하는 방식으로 계산해도 73.4점으로 큰 차이가 없다. 발표된 70.1점과 63.3점은 두 방식 중 어느 쪽으로도 나오지 않는다. 두 값의 차이가 각각 약 3.2점포인트로 일정하다는 점은 단순 계산 착오가 아니라 발표 수치가 카드와 다른 평가 설정이나 다른 벤치마크 집합에서 나왔다는 신호다.

상대 개선폭만 놓고 보면 두 방식의 결론은 비슷하다. 발표 기준 70.1점 대 63.3점은 10.7% 상승이고, 카드 표 기준 73.3점 대 66.9점은 9.5% 상승이다. "전임 모델 대비 10% 이상 향상"이라는 서술의 방향 자체는 표로도 지지된다. 다만 절대 수준을 인용하려는 경우에는 70.1점이라는 값이 공개된 표에서 확인되지 않는다는 사실을 함께 적어야 한다. 이 글이 평균 대신 개별 벤치마크 점수를 근거로 삼는 이유도 여기에 있다.

1위를 차지한 세 자리가 공유하는 조건

K-EXAONE 2.0이 비교 모델 3종을 모두 앞선 항목은 OpenAI-MRCR 94.4점, KGC-Safety 99.8점, ROK-Fortress 89.5점의 3개다. OpenAI-MRCR은 긴 문맥에서 특정 정보를 찾아내는 과제이며, 2위 Qwen3.5의 93.0점, DeepSeek-V4 Pro max의 92.9점과는 격차가 작지만 GLM-5.1의 71.5점과는 22.9점포인트 벌어진다. KGC-Safety와 ROK-Fortress는 한국어 안전과 규범 준수를 다루는 평가로, 각각 GLM-5.1의 69.3점과 DeepSeek-V4 Pro max의 47.6점을 30점포인트 이상 앞선다.

세 자리의 공통점은 국내 기준으로 설계된 영역이거나 학습 단계에서 명시적으로 겨냥한 영역이라는 것이다. ROK-Fortress에서 전임 모델의 60.9점이 2.0에서 89.5점으로 28.6점포인트 오른 폭은 이 영역이 규모 확대의 부산물이 아니라 의도된 투자 대상이었음을 보여준다. KGC-Safety 99.8점 역시 사실상 만점에 가까워 추가 개선 여지가 남지 않은 상태다.

같은 이유로 이 강점은 다른 시장으로 이전되지 않는다. 한국어 안전 벤치마크에서의 우위는 그 벤치마크를 조달 기준으로 채택하는 국내 공공과 금융 심사에서는 결정적이지만, 해외 개발자가 이 모델을 선택할 근거는 되지 않는다. 반대로 OpenAI-MRCR 94.4점은 언어와 무관한 능력이므로 유일하게 국제적으로 통용되는 우위다. 이 모델의 대외 경쟁력을 한 줄로 요약해야 한다면 긴 문맥 검색 한 항목이다.

파라미터 3.2배가 산 것과 사지 못한 것

K-EXAONE 2.0은 전임 K-EXAONE의 총 파라미터 2,360억 개를 7,500억 개로 3.2배, 활성 파라미터 230억 개를 370억 개로 1.6배 키웠다. 토큰당 활성 비율은 4.9%로, 총 파라미터의 20분의 1만 켜는 희소 구조다. 층 구성은 밀집 2개와 희소 76개를 합한 78개 본 층에 MTP 층 1개를 얹었고, 전문가는 공유 1개와 라우팅 256개 중 8개를 활성화한다. 컨텍스트는 262,144토큰, 어휘는 153,600개이며 지식 컷오프는 2025년 2분기다.

이 확대가 어디에 쓰였는지는 항목별 증감을 더해 보면 드러난다. 24개 항목의 점수 차이를 모두 합하면 152.3점포인트인데, 상위 5개 항목이 116.9점포인트로 전체의 76.8%를 차지한다(ASAP 산출). OpenAI-MRCR이 52.3점에서 94.4점으로 42.1점포인트 올라 가장 크고, ROK-Fortress 60.9점에서 89.5점, SWE Bench Verified 49.4점에서 68.2점, PolyMath 57.4점에서 71.3점, Terminal-Bench 2.1 30.3점에서 43.8점이 뒤를 잇는다.

반대쪽에는 후퇴한 항목이 4개 있다. HMMT Feb 2026은 80.7점에서 78.4점으로, HRM8K-KSM은 91.9점에서 91.1점으로, MMLU-Pro는 83.8점에서 83.5점으로, GlobalMMLU-Lite는 86.9점에서 86.6점으로 내려갔다. 도구 사용 과제인 τ³-Banking은 14.2점으로 두 세대가 동일하다.

이 분포가 말하는 것은 3.2배의 파라미터가 전반적 능력이 아니라 특정 묶음에 집중적으로 쓰였다는 사실이다. 오른 쪽은 긴 문맥 검색, 코드 수정, 터미널 조작, 한국어 안전이고, 제자리이거나 후퇴한 쪽은 세계 지식과 경시대회 수학이다. 특히 MMLU-Pro가 3분의 1 크기의 전임 모델보다 0.3점 낮다는 결과는 그냥 지나칠 대목이 아니다. 파라미터 규모만으로는 지식형 벤치마크가 움직이지 않으며, 이번 세대의 개선은 규모보다 사후학습 설계와 데이터 구성이 만들어냈다는 뜻이기 때문이다. 다음 세대의 성능을 예측할 때 파라미터 수를 지표로 쓰기 어렵다는 함의도 여기서 나온다.

소버린 모델이 한국어 지식 평가에서 마지막 줄에 선다

K-EXAONE 2.0의 KMMLU-Pro 점수는 69.1점으로, 같은 표의 Qwen3.5 77.4점, GLM-5.1 75.8점, DeepSeek-V4 Pro max 80.5점보다 모두 낮다. 한국어 범주의 다른 항목인 CLIcK도 84.2점으로 비교 3종이 형성한 88.7점에서 91.6점 구간에 들지 못한다. 한국어 3개 항목 중 비교 모델을 하나라도 앞선 것은 HRM8K-KSM 91.1점(GLM-5.1 89.4점 대비)과 Ko-LongBench 89.6점(GLM-5.1 83.6점 대비)뿐이다.

이 결과는 국가 AI 파운데이션 모델 사업의 전제를 다시 보게 만든다. 사업의 논리는 한국어와 한국 맥락에서는 국산 모델이 낫다는 것인데, 카드의 표는 한국어 지식 평가에서 중국계 오픈웨이트 3종이 모두 앞선다고 말한다. 국산 모델이 뚜렷한 우위를 보인 한국어 영역은 지식이 아니라 안전과 규범이었다. 국산 여부가 만드는 차이는 "한국을 더 잘 안다"가 아니라 "한국 기준에 더 잘 맞춘다"에 가깝다.

이 구분은 도입 판단에 곧바로 영향을 준다. 한국어 질의응답 정확도가 핵심인 서비스라면 이 표는 K-EXAONE 2.0을 자동으로 1순위에 놓지 않는다. 반면 국내 규범 준수와 안전 필터링이 조달 요건인 공공과 금융 영역에서는 KGC-Safety 99.8점과 ROK-Fortress 89.5점이 다른 선택지와 30점포인트대의 격차를 만든다. 같은 모델이 용도에 따라 전혀 다른 등급을 받는 구조이므로, "국산 모델이 해외 모델을 이겼다"는 한 문장으로는 어떤 의사결정도 내릴 수 없다.

여기에 덧붙여야 할 것은 이 표가 모두 자체 보고라는 점이다. SK텔레콤이 이틀 앞선 2026년 7월 29일 공개한 A.X K2는 같은 이름의 KMMLU-Pro에서 80.5점을 자체 보고했다. 두 점수를 나란히 놓으려면 사고 예산과 프롬프트, 채점 방식이 같아야 하는데 두 모델 카드는 그 조건을 공유하지 않는다. 같은 국가 사업에 제출된 국산 모델들의 한국어 성능을 비교할 공통 평가 체계가 아직 없다는 사실 자체가 이번 공개가 남긴 숙제다.

아파치 2.0으로 바뀐 라이선스가 실제로 여는 것

K-EXAONE 2.0은 아파치 2.0 라이선스로 나왔고, 이는 자체 약관인 K-EXAONE AI Model License Agreement로 배포됐던 전임 모델에서 달라진 조건이다. 전임 모델은 별도 라이선스 동의를 요구했으나 2.0은 추가 협의 없이 상업적 이용과 파생 모델 배포가 가능하다. 지원 언어도 한국어와 영어, 스페인어, 독일어, 일본어, 베트남어의 6개에서 프랑스어, 이탈리아어, 포르투갈어, 폴란드어를 더한 10개로 늘었다.

라이선스 변경의 실질은 국내 개발 조직의 진입 조건이다. 7,500억 파라미터 모델을 그대로 서비스에 올릴 수 있는 국내 조직은 소수지만, 아파치 2.0은 이 모델을 교사 모델로 삼아 증류하거나 특정 도메인에 맞춰 축소한 파생 모델을 만드는 작업에서 법적 제약을 없앤다. 공개 첫날부터 FP8과 NVFP4 양자화본, DSpark 변형이 원본과 함께 올라간 것도 같은 방향을 가리킨다. 이번 공개의 실제 파급은 7,500억 파라미터 본체가 아니라 여기서 파생될 소형 모델들이 결정한다.

앞으로 확인이 필요한 세 가지

K-EXAONE 2.0에 대한 판정은 2026년 하반기 세 가지 지표에서 확정된다. 첫째는 제3자 재현이다. 아파치 2.0 오픈웨이트이므로 외부 연구자가 24개 표를 다시 그릴 수 있고, OpenAI-MRCR 94.4점과 ROK-Fortress 89.5점이 독립 평가에서도 유지되는지가 이 표 전체의 신뢰도를 결정한다. 발표된 평균 70.1점이 어떤 설정에서 산출된 값인지도 함께 밝혀져야 할 항목이다.

둘째는 국가 AI 파운데이션 모델 사업의 선정 결과다. K-EXAONE 2.0은 이 사업에 제출된 모델이며, 같은 사업에는 SK텔레콤 A.X K2를 비롯한 경쟁 모델이 함께 올라와 있다. 평가 기준이 종합 성능인지, 한국어 특화인지, 안전과 규범 준수인지에 따라 이 표에서 결정적인 줄이 달라진다. 지금까지 확인된 범위에서 K-EXAONE 2.0이 가장 유리한 기준은 세 번째다.

셋째는 파생 모델의 등장 속도다. 7,500억 파라미터라는 규모는 국내 대다수 조직이 그대로 운용하기에는 무겁고, 아파치 2.0이라는 조건은 축소와 특화를 쉽게 만든다. 이 두 조건이 만나 실제 서비스에 투입 가능한 소형 파생 모델이 몇 개월 안에 나오는지가 이번 공개의 실질적 성패를 가른다. 벤치마크 표의 24개 줄보다 이 한 가지가 국내 생태계에 미치는 영향이 크다.

출처: LG AI연구원 공식 모델 카드 LGAI-EXAONE/K-EXAONE-2.0-750B-A37B(허깅페이스, 아파치 2.0, 2026년 7월 31일)와 코리아헤럴드·코리아타임스 보도 기반 ASAP 정리