K-EXAONE-236B-A23B

Fiche modèle · LG AI Research · k-exaone-236b-a23b

K-EXAONE is a state-of-the-art large language model developed by LG AI Research with 236 billion parameters. It features advanced reasoning capabilities, strong performance in both Korean and English, and excels at complex tasks including mathematics, coding, and creative writing. The model uses A23B quantization for efficient inference while maintaining high quality outputs. K-EXAONE is designed for enterprise applications with robust instruction following and knowledge integration.

Fiches modèles

Identité

Organisation	LG AI Research
Pays	—
Famille	—
Type	llm
Date de sortie	2025-12-31
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	text
Fenêtre de contexte	262 144
KV cache / token (Q8)	—
Paramètres totaux	236 B
Paramètres actifs (session)	23 B
Source des paramètres actifs	actifs : nom (heuristique) ; total : nom (heuristique)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	2025-10-01
Créé le	2026-05-07T16:53:30.541788Z
Mis à jour le	2026-11-04T06:04:49.193244Z
Source	LLM Stats
URL	https://llm-stats.com/models/k-exaone-236b-a23b

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
instruction_following	0.70
language	0.80
legal	0.80
math	0.90
reasoning	0.80
finance	0.80
general	0.80
healthcare	0.80
agents	0.70
tool_calling	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.93	1.00	0.93	non	oui	2026-11-04T06:04:49.213006Z
ifbench	instruction_following	0.67	1.00	0.67	non	oui	2026-11-04T06:04:49.252990Z
livecodebench-v6	reasoning	0.81	1.00	0.81	non	oui	2026-11-04T06:04:49.223436Z
mmlu-pro	language	0.84	1.00	0.84	non	oui	2026-11-04T06:04:49.203167Z
mmmlu	language	0.86	1.00	0.86	non	oui	2026-11-04T06:04:49.243176Z
t2-bench	agents	0.73	1.00	0.73	non	oui	2026-11-04T06:04:49.233023Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	174	—	4.00	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04