--- title: "LG ‘K-엑사원 2.0’, 750B로 체급 키우고 중국 대표 모델 성능 앞섰다" published: 2026-08-01T01:05:01.612Z canonical: https://jeff.news/article/5328 --- # LG ‘K-엑사원 2.0’, 750B로 체급 키우고 중국 대표 모델 성능 앞섰다 LG AI연구원이 750B 파라미터 규모의 K-엑사원 2.0을 허깅페이스에 공개했다. 장문 이해 평가인 OpenAI-MRCR에서 94.4점을 기록해 중국 GLM-5.1의 71.5점을 크게 앞섰고, Apache 2.0 라이선스로 상업 활용도 열어뒀다. - LG AI연구원이 750B 파라미터 규모의 K-엑사원 2.0을 공개함 - 1차 모델은 236B였고, 이번 모델은 3배 이상 커진 체급임 - 공개 위치는 허깅페이스라서, 연구자나 기업 개발팀이 접근해 검토하기 쉬운 방식으로 풀린 셈임 - 기사에서 가장 크게 밀고 있는 수치는 장문 이해 평가 점수임 - K-엑사원 2.0은 OpenAI-MRCR 평가에서 94.4점을 기록함 - 비교 대상으로 언급된 중국 GLM-5.1은 71.5점이라, 이 평가 기준만 놓고 보면 격차가 꽤 큼 - 장문 이해는 문서 요약, 리서치 보조, 기업 내부 지식 검색 같은 업무형 인공지능에서 체감이 큰 영역이라 그냥 벤치마크 숫자놀이로만 보긴 아까움 > [!IMPORTANT] > 핵심 숫자는 750B, 94.4점, Apache 2.0임. 모델 크기, 장문 이해 성능, 상업 활용 가능성이 한 번에 묶인 발표라는 게 포인트임. - Apache 2.0 라이선스를 적용했다는 점도 개발자 입장에선 중요함 - 별도 사용료 없이 기업들이 자체 인공지능 개발에 활용할 수 있다고 소개됨 - 단순 데모 모델이 아니라, 상업적 활용 가능성을 열어둔 공개 모델이라는 점에서 국내 기업 입장에선 검토할 이유가 생김 - 이 모델은 과기정통부 주관 ‘독자 AI 파운데이션 모델’ 프로젝트의 결과물로 소개됨 - 정부 주도 프로젝트에서 나온 모델이 글로벌 벤치마크 경쟁력을 갖췄다는 메시지를 전면에 둔 기사임 - 국내 인공지능 생태계가 해외 폐쇄형 모델만 바라보는 구조에서 벗어날 수 있느냐가 관전 포인트임 - 다만 실제 서비스에 바로 넣을지는 별개 문제임 - 750B급 모델은 성능만큼이나 추론 비용, 배포 방식, 지연 시간, 파인튜닝 전략이 중요함 - 한국어 업무 데이터, 사내 보안 요구사항, 온프레미스 운영 가능성까지 같이 봐야 기업 도입 판단이 가능함 --- ## 기술 맥락 - 이번 선택의 핵심은 모델을 크게 키운 것만이 아니라 공개 방식까지 같이 가져간 거예요. 750B 파라미터 모델을 허깅페이스에 올리고 Apache 2.0 라이선스를 붙이면, 기업 입장에서는 내부 검토와 상업 활용 가능성을 동시에 따져볼 수 있거든요. - 장문 이해 평가가 강조된 이유도 실무와 연결돼요. 기업용 인공지능은 짧은 질의응답보다 긴 문서, 계약서, 기술 문서, 사내 위키를 읽고 맥락을 유지하는 능력이 더 자주 문제가 되거든요. 그래서 OpenAI-MRCR 94.4점이라는 숫자가 기사에서 크게 다뤄진 거예요. - 비교 대상인 GLM-5.1보다 높은 점수를 냈다는 건 기술 홍보 측면에서 강한 메시지예요. 다만 벤치마크 하나가 모든 성능을 설명하진 않아서, 실제 도입 단계에서는 한국어 품질, 비용, 배포 환경, 도메인 튜닝 난이도를 같이 봐야 해요. - 국내 개발팀 입장에서는 선택지가 하나 더 생긴 셈이에요. 해외 폐쇄형 모델을 API로만 쓰는 방식과 달리, 공개 모델을 기반으로 자체 서비스나 내부 도구를 만들 수 있으면 데이터 통제와 커스터마이징에서 장점이 생기거든요. ## 핵심 포인트 - K-엑사원 2.0은 750B 파라미터 규모로 1차 모델 236B보다 3배 이상 커짐 - OpenAI-MRCR 장문 이해 평가에서 94.4점을 기록해 GLM-5.1의 71.5점을 앞섬 - 허깅페이스에 공개됐고 Apache 2.0 라이선스로 기업의 무상 상업 활용이 가능 - 과기정통부 독자 AI 파운데이션 모델 프로젝트 결과물로 소개됨 - 국내 기업·연구 조직이 자체 인공지능 개발에 활용할 수 있는 기반 모델 선택지가 늘어남 ## 인사이트 국산 대규모 언어 모델이 ‘있다’는 수준을 넘어, 특정 벤치마크에서 중국 대표 모델을 꽤 큰 차이로 앞섰다는 점이 눈에 띈다. 다만 실제 업무 투입 여부는 라이선스, 추론 비용, 한국어 성능, 도메인 튜닝 난이도까지 같이 봐야 한다.