Persaingan teknologi kecerdasan buatan atau AI semakin panas. Kali ini, LG AI Research kembali mencuri perhatian lewat K-EXAONE 2.0, model AI generasi terbaru yang membawa peningkatan besar dibandingkan pendahulunya.
K-EXAONE 2.0 hadir dengan arsitektur Mixture-of-Experts (MoE) dan memiliki total sekitar 750 miliar parameter, menjadikannya salah satu model AI open-weight berukuran sangat besar yang dikembangkan di Korea Selatan. Dari jumlah tersebut, sekitar 37 miliar parameter diaktifkan untuk setiap token selama proses inferensi.
Model tersebut diperkenalkan sebagai bagian dari upaya LG AI Research untuk mengembangkan foundation model berskala global. Laporan teknis K-EXAONE 2.0 diterbitkan pada 5 Agustus 2026, sementara modelnya telah dirilis kepada komunitas AI melalui Hugging Face pada akhir Juli.
Salah satu hal yang paling menarik dari K-EXAONE 2.0 adalah skala modelnya. K-EXAONE generasi sebelumnya memiliki sekitar 236 miliar parameter, sedangkan versi terbaru meningkat menjadi 750 miliar parameter.
Artinya, kapasitas total model baru ini lebih dari tiga kali lipat dibandingkan pendahulunya.
Namun, angka 750 miliar tidak berarti seluruh parameter harus aktif setiap kali AI memberikan jawaban. LG menggunakan pendekatan Mixture-of-Experts yang memungkinkan model memilih bagian atau "expert" tertentu sesuai kebutuhan setiap token.
Pada K-EXAONE 2.0, sekitar 37 miliar parameter aktif pada setiap token. Pendekatan tersebut memungkinkan model mempertahankan kapasitas yang sangat besar tanpa harus menjalankan seluruh 750 miliar parameter secara bersamaan.
Konsep seperti ini semakin penting dalam pengembangan AI berskala besar karena ukuran model terus meningkat, sementara efisiensi komputasi tetap menjadi tantangan utama.
Kemampuan lain yang menjadi sorotan adalah dukungan terhadap context window hingga 256K token.
Context window menentukan seberapa banyak informasi yang dapat diproses model dalam satu sesi. Dengan kapasitas hingga 256K token, K-EXAONE 2.0 dirancang untuk menangani dokumen panjang, kode dalam jumlah besar, serta percakapan atau instruksi kompleks tanpa harus terlalu sering memotong konteks sebelumnya.
Kemampuan long-context seperti ini semakin dibutuhkan dalam penggunaan AI profesional. Misalnya, model dapat digunakan untuk menganalisis dokumen panjang, membantu memahami basis kode, melakukan pencarian informasi dalam kumpulan data besar, atau menjalankan tugas yang membutuhkan banyak konteks.
LG AI Research menyebut peningkatan kemampuan memahami konteks panjang sebagai salah satu area yang menunjukkan perkembangan paling jelas pada generasi terbaru K-EXAONE.
K-EXAONE 2.0 juga membawa peningkatan pada kemampuan multilingual.
Jika generasi sebelumnya mendukung enam bahasa, versi terbaru memperluas cakupan menjadi 10 bahasa. Bahasa yang didukung mencakup Korea, Inggris, Spanyol, Jerman, Jepang, Vietnam, Prancis, Italia, Portugis, dan Polandia.
Perluasan ini menunjukkan bahwa LG tidak hanya menargetkan penggunaan AI untuk pasar Korea Selatan.
Dukungan terhadap lebih banyak bahasa membuka peluang penggunaan model di berbagai negara sekaligus memperkuat posisi K-EXAONE sebagai foundation model yang ditujukan untuk ekosistem AI internasional.
Bagi pengembang, kemampuan multilingual juga dapat menjadi nilai tambah ketika sebuah aplikasi harus menangani pengguna dari berbagai wilayah.
K-EXAONE 2.0 tidak hanya mengandalkan ukuran model yang besar. LG juga melakukan pengembangan pada kemampuan reasoning, coding, serta penggunaan AI agent.
Berdasarkan laporan teknisnya, proses pelatihan model mencakup beberapa tahap, mulai dari continual pre-training, mid-training yang berfokus pada tingkat kesulitan tertentu, hingga post-training.
Pendekatan tersebut digunakan untuk meningkatkan kemampuan model dalam menyelesaikan tugas penalaran, pemrograman, multilingual understanding, serta penggunaan berbagai tool melalui AI agent.
Dalam evaluasi yang dilakukan LG, peningkatan paling menonjol terlihat pada agentic coding dan pemahaman konteks panjang. Pada sejumlah metrik coding utama, performanya dilaporkan meningkat sekitar 30 persen dibandingkan generasi sebelumnya.
Kemampuan agentic coding sendiri menjadi semakin penting karena AI saat ini tidak lagi hanya digunakan untuk menghasilkan potongan kode sederhana. Model generasi baru mulai diarahkan untuk memahami tujuan pengguna, memeriksa kode, menggunakan tool, dan menyelesaikan rangkaian tugas pemrograman yang lebih kompleks.
Selain performa, LG juga memberikan perhatian besar terhadap keamanan.
K-EXAONE 2.0 dilatih dan dievaluasi dengan mempertimbangkan konteks sosial serta budaya Korea. Model juga menjalani pengujian yang berkaitan dengan keamanan dan penilaian terhadap konteks geopolitik.
Dalam evaluasi keamanan yang disebut LG, K-EXAONE 2.0 mencatat rata-rata skor 94,6 pada pengujian KGC-Safety dan ROK-Fortress.
Pendekatan tersebut penting karena model AI dengan kemampuan semakin besar juga membutuhkan sistem keamanan yang semakin matang.
AI bukan hanya harus mampu memberikan jawaban yang benar, tetapi juga harus dapat membedakan permintaan yang berisiko, memahami konteks penggunaan, dan menghindari keluaran yang dapat menimbulkan masalah.
Salah satu keputusan LG yang menarik perhatian komunitas pengembang adalah penggunaan lisensi Apache 2.0 untuk K-EXAONE 2.0.
Dengan model open-weight dan lisensi tersebut, ekosistem pengembang memiliki ruang yang lebih luas untuk mengevaluasi, mengembangkan, menyesuaikan, dan membangun aplikasi di atas model tersebut sesuai ketentuan lisensinya.
Model ini juga dirilis melalui Hugging Face sehingga dapat menjadi bahan eksperimen bagi komunitas AI dan peneliti.
Langkah tersebut menunjukkan bahwa LG tidak hanya ingin mengembangkan model AI untuk penggunaan internal. Perusahaan Korea Selatan tersebut juga berusaha membangun ekosistem di sekitar teknologi AI yang dikembangkannya.
Meski angka 750 miliar parameter terdengar sangat besar, ukuran model bukan satu-satunya indikator kemampuan AI.
Yang lebih penting adalah bagaimana model tersebut menggunakan parameter, data pelatihan, arsitektur, optimasi inference, kemampuan reasoning, serta hasil pengujian di dunia nyata.
K-EXAONE 2.0 menggunakan arsitektur MoE untuk mengatasi sebagian tantangan tersebut. Dengan hanya sebagian parameter yang aktif pada setiap token, model dapat memiliki kapasitas keseluruhan yang sangat besar tanpa selalu melakukan komputasi pada seluruh parameter.
LG juga melaporkan skor rata-rata 70,1 pada 24 metrik benchmark, meningkat dari 63,3 pada model sebelumnya.
Meski demikian, benchmark tetap bukan satu-satunya ukuran keberhasilan. Performa ketika model digunakan pada aplikasi nyata, biaya menjalankan inference, kebutuhan hardware, latensi, serta kualitas respons akan menjadi faktor penting bagi pengembang.
Kemunculan K-EXAONE 2.0 juga memperlihatkan semakin seriusnya Korea Selatan dalam membangun teknologi AI domestik.
Selama beberapa tahun terakhir, persaingan foundation model didominasi perusahaan teknologi dari Amerika Serikat dan China. Kehadiran model berskala 750 miliar parameter dari LG menunjukkan bahwa perusahaan Korea juga berusaha masuk ke persaingan tersebut.
LG AI Research sebelumnya telah mengembangkan berbagai generasi EXAONE, termasuk K-EXAONE yang memiliki 236 miliar parameter. Versi 2.0 memperlihatkan peningkatan besar dari sisi kapasitas, bahasa, reasoning, coding, dan keamanan.
Menariknya, K-EXAONE 2.0 bukan sekadar proyek penelitian. LG menyebut pengembangan ini sebagai bagian dari upaya menuju foundation model kelas global.
Dengan ukuran 750 miliar parameter, context window 256K token, dukungan 10 bahasa, kemampuan coding dan agentic AI, serta model yang dibuka untuk komunitas, K-EXAONE 2.0 berpotensi menjadi salah satu proyek AI Korea Selatan yang patut diperhatikan sepanjang 2026.
Persaingan AI global pun semakin menarik. Bukan lagi hanya soal siapa yang memiliki chatbot paling populer, tetapi juga siapa yang mampu membangun model besar, efisien, aman, multilingual, dan cukup fleksibel untuk digunakan oleh pengembang maupun industri.
