--- title: "LG ‘K-엑사원’, 벤치마크 10개 1위 찍고 실전형 AI 모델로 고도화" published: 2026-06-08T20:05:01.890Z canonical: https://jeff.news/article/3878 --- # LG ‘K-엑사원’, 벤치마크 10개 1위 찍고 실전형 AI 모델로 고도화 LG AI연구원이 독파모 프로젝트용 모델 ‘K-엑사원’을 고도화하며 2단계 프로젝트에 들어간다. 1차 평가 13개 벤치마크 중 10개에서 1위를 차지했고, 하이브리드 어텐션으로 메모리 요구량과 연산량을 기존 엑사원 4.0 대비 70% 줄였다. 추론 속도 150% 향상, 긴 문서 처리 1.3배 개선 같은 수치도 공개됐다. - LG AI연구원이 ‘K-엑사원’ 고도화로 독파모 2단계 프로젝트에 들어감 - K-엑사원은 LG AI연구원이 5년간 엑사원을 개발하며 쌓은 기술을 집약한 모델임 - 목표는 단순 연구용 모델이 아니라 산업 현장 문제를 푸는 실전 도구형 전문가 AI임 - 1차 평가 성적은 꽤 공격적으로 내세울 만함 - 13개 벤치마크 지표 중 10개 영역에서 1위를 차지함 - 글로벌 AI 성능 평가 기관 아티피셜 어낼리시스의 인텔리전스 지수에서도 오픈 웨이트 모델 기준 당시 세계 7위, 국내 1위에 올랐다고 함 - 국내 독자 파운데이션 모델로서 기본 체력을 검증했다는 게 LG 쪽 메시지임 > [!IMPORTANT] > 숫자로 제일 눈에 띄는 건 벤치마크 1위보다 비용 절감임. 하이브리드 어텐션으로 메모리 요구량과 연산량을 엑사원 4.0 대비 70% 줄였다고 밝힘. - K-엑사원의 핵심 개선은 성능과 비용을 같이 잡는 쪽임 - 전체 문맥을 파악하는 글로벌 어텐션과 필요한 구간에만 집중하는 방식을 결합한 하이브리드 어텐션을 적용함 - 이 구조로 메모리 요구량과 연산량을 엑사원 4.0 대비 70% 줄였다고 함 - 파운데이션 모델은 성능만 좋아도 운영비가 터지면 현장 도입이 어렵기 때문에, 이 수치가 꽤 중요함 - 추론 속도와 긴 문서 처리도 개선됨 - 자체 설계한 멀티 토큰 예측 영역으로 추론 속도를 150% 높임 - 학습 어휘를 15만개로 확장해 긴 문서 처리 능력을 1.3배 향상시킴 - 긴 문서 처리는 공공, 금융, 제조 문서 자동화에서 체감이 큰 영역임 - 답변 품질을 끌어올리기 위한 학습 알고리즘도 들어감 - 오답에서 학습 신호를 찾는 강화학습 알고리즘 AGAPO를 적용함 - 선호학습 알고리즘 GrouPER도 적용해 답변의 자연스러움과 정확도를 개선했다고 함 - 결국 모델 구조, 추론 최적화, 학습 후처리를 한꺼번에 손본 셈임 - LG 컨소시엄 구성도 꽤 풀스택 지향임 - LG AI연구원이 주관하고, LG유플러스·LG CNS·슈퍼브AI가 고성능 파운데이션 모델 개발에 참여함 - 퓨리오사AI, 프렌들리AI, 엘리스그룹은 풀스택 AI 산업 생태계 쪽을 맡음 - 이스트소프트, 이스트에이드, 한글과컴퓨터, 뤼튼테크놀로지스는 서비스 선도 사례 창출 쪽에 붙음 - 실증 사업은 공공과 산업 쪽이 강점으로 제시됨 - LG CNS를 중심으로 외교부 지능형 외교안보 데이터 플랫폼을 추진함 - 경찰청 AI 수사 지원 서비스, 행정안전부 AI 안전신문고 연구 개발도 언급됨 - 금융·제조 전반의 생태계 경험도 강점으로 내세움 - LG AI연구원은 엑사원을 ‘전문가 AI’로 키우겠다는 방향을 밝힘 - 단순 기술 확보가 아니라 산업 현장의 실제 문제를 해결하는 실전 도구가 목표라고 설명함 - 향후 피지컬 인텔리전스 구현까지 이어가겠다는 계획도 내놓음 --- ## 기술 맥락 - K-엑사원에서 제일 중요한 선택은 모델 성능만 키우는 게 아니라 운영 비용을 줄이는 구조를 넣었다는 점이에요. 파운데이션 모델은 실제 서비스에 붙이면 추론 비용과 메모리 요구량이 바로 병목이 되거든요. - 하이브리드 어텐션은 긴 문맥을 무작정 전부 무겁게 처리하지 않기 위한 선택으로 볼 수 있어요. 전체 흐름은 유지하면서 필요한 구간에 더 집중하면, 긴 문서를 다루는 산업 업무에서 비용과 속도를 같이 개선할 여지가 생겨요. - 멀티 토큰 예측으로 추론 속도를 150% 높였다는 부분도 실전 배포 관점에서 중요해요. 사용자가 기다리는 시간이 줄어야 공공 문서, 금융 상담, 제조 업무 자동화 같은 곳에서 실제 도구로 받아들여지거든요. - 컨소시엄이 모델, 인프라, 서비스 기업을 같이 묶은 이유는 파운데이션 모델 하나만으로는 산업 생태계가 안 만들어지기 때문이에요. 모델을 돌릴 하드웨어, 배포 플랫폼, 현장 서비스가 같이 있어야 “국산 모델”이 제품으로 이어져요. ## 핵심 포인트 - K-엑사원은 1차 평가 13개 벤치마크 중 10개 영역에서 1위를 차지함 - 하이브리드 어텐션으로 메모리 요구량과 연산량을 엑사원 4.0 대비 70% 줄임 - 멀티 토큰 예측 자체 설계로 추론 속도를 150% 높임 - LG 컨소시엄은 공공, 금융, 제조 실증을 통해 실전 도구형 AI를 지향함 ## 인사이트 국내 파운데이션 모델 경쟁에서 중요한 건 ‘우리도 모델 있음’이 아니라 비용과 속도, 실제 도입 사례임. K-엑사원 발표는 벤치마크 성능보다 메모리 70% 절감과 공공·산업 실증 조합이 더 눈에 띔.