--- title: "엘지, 7500억 파라미터급 케이 엑사원 2.0 오픈소스로 공개" published: 2026-08-01T01:05:02.782Z canonical: https://jeff.news/article/5311 --- # 엘지, 7500억 파라미터급 케이 엑사원 2.0 오픈소스로 공개 엘지 AI연구원이 7500억 파라미터 규모의 케이 엑사원 2.0을 허깅페이스에 공개했다. 이전 2360억 파라미터 모델보다 3배 이상 커졌고, 장문 이해 평가에서 중국 모델을 크게 앞섰다는 수치가 제시됐다. - 엘지 AI연구원이 `K-엑사원 2.0`을 허깅페이스에 오픈소스로 공개함 - 파라미터 규모는 7500억 개 - 기존 1차 모델의 2360억 개보다 3배 이상 커진 체급임 - 기사에서는 국내에서 공개된 AI 파운데이션 모델 가운데 최대 규모라고 소개함 - 성능 수치로는 장문 이해 평가가 가장 눈에 띔 - `OpenAI-MRCR` 장문 이해 지표에서 94.4점을 기록했다고 밝힘 - 비교 대상으로 언급된 중국 지푸AI의 `GLM-5.1`은 71.5점 - 장문 문맥을 오래 붙잡아야 하는 문서 분석, 보고서 처리, 사내 지식 검색 쪽에 의미가 있는 수치임 > [!IMPORTANT] > 7500억 파라미터라는 숫자는 “와 크다”에서 끝나면 안 됨. 개발자 입장에선 실제 추론 비용, 배포 방식, 미세조정 가능성, 라이선스 조건까지 같이 봐야 쓸 수 있는 모델인지 판단 가능함. - 라이선스는 아파치 2.0이 적용됨 - 상업적 활용이 자유로운 쪽이라 기업 PoC나 내부 서비스 실험에 붙여보기 쉬운 편임 - 국내 모델은 공개돼도 라이선스가 애매하면 실무 도입이 막히는데, 이 부분은 진입장벽을 낮추는 요소임 - 같은 기사 묶음에서는 국내 딥테크 투자와 미중 AI 경쟁도 같이 다룸 - DGIST 산하 디지스트기술지주는 약 20억 원 규모 투자조합을 결성해 AI, 로봇, 반도체, 바이오·헬스케어 초기 기업에 투자할 계획임 - 중국과 미국의 최상위 AI 모델 성능 격차는 아레나리더보드 기준 2.7%까지 좁혀졌다고 소개됨 - 반면 지난해 AI 민간투자는 미국 2859억 달러, 중국 124억 달러로 미국이 23배 많았다는 대비도 나옴 - 엘지는 산업 특화 AI 모델도 이어서 공개할 계획이라고 밝힘 - 범용 대형 모델 공개 다음 단계가 산업별 모델이라면, 제조·화학·바이오 같은 엘지 계열 사업과 연결될 가능성이 큼 - 한국 개발자에게는 “국내 대기업 모델을 실제 업무 데이터에 맞춰 쓸 수 있나”가 앞으로의 체크포인트가 됨 --- ## 기술 맥락 - 엘지가 선택한 건 공개형 대형 파운데이션 모델 전략이에요. 모델을 내부 서비스에만 묶어두지 않고 허깅페이스에 올리면, 외부 개발자와 기업이 직접 실험하면서 생태계가 생길 수 있거든요. - 7500억 파라미터는 체급을 보여주는 숫자지만, 그 자체가 도입 가능성을 보장하진 않아요. 이 정도 모델은 추론 인프라 비용이 커질 수 있어서, 실제 현장에서는 작은 모델과의 역할 분리나 API 형태 제공이 같이 중요해져요. - 장문 이해 점수를 강조한 이유는 기업 업무가 짧은 질의응답보다 긴 문서 처리에 더 자주 걸리기 때문이에요. 계약서, 보고서, 기술 문서처럼 맥락이 긴 데이터를 다룰 때 장문 성능은 바로 제품 경쟁력으로 이어져요. - 아파치 2.0 라이선스는 기업 입장에선 꽤 현실적인 조건이에요. 법무 검토에서 막히는 오픈소스 모델도 많은데, 상업 활용 가능성이 명확하면 PoC에서 실제 서비스 검토로 넘어가기 쉬워요. ## 핵심 포인트 - 케이 엑사원 2.0은 7500억 파라미터 규모로 국내 공개 파운데이션 모델 중 최대급으로 소개됨 - 이전 2360억 파라미터 모델보다 체급이 3배 이상 커짐 - 장문 이해 평가에서 94.4점을 기록해 비교 대상 중국 모델의 71.5점을 앞섬 - 아파치 2.0 라이선스를 적용해 상업 활용 장벽을 낮춤 ## 인사이트 국내 기업이 대형 파운데이션 모델을 오픈소스로 내놓는 흐름은 한국어 AI 생태계에 직접적인 의미가 있다. 다만 진짜 관전 포인트는 모델 크기보다, 공개 이후 개발자들이 실제로 돌리고 미세조정하고 서비스에 붙일 수 있느냐다.