K-EXAONE 2.5 免費 API 開放：750B 模型、韓英能力與非商用條款怎麼看？
K-EXAONE 2.5 開放免費 API，整理韓英文字能力、四項代理評測、非商用條款、三十天金鑰與資料設定，協助規劃測試。
K-EXAONE 2.5 在 11 月 9 日開放免費 API，讓開發者透過網路呼叫 LG AI Research 的大型文字模型，不必自己架設整套推論設備。
免費會讓測試容易開始，但它不等於可以直接接進收費服務。截至 11 月 10 日查詢，平台英文條款把使用範圍限定為非商用，並限制讓第三方透過整合產品呼叫模型。
這項限制很重要，因為官方新聞稿同時提到開發者、新創與企業可用於開發和研究。評估專案時，必須把宣傳的適用對象和平台實際授予的權利分開核對。
模型本身主打韓文、英文與代理工作，官方也公布程式修正、網頁搜尋和工具操作評測，但這些是 LG 用公開資料集進行的測量。
因此，適合先試的是有非商用研究目的、能用公開或自製資料測試的團隊。要把客戶資料或商業流量接進來，得先取得符合用途的安排。
能否採用這項服務，得從模型能處理的工作與 API 使用條件一起看。
K-EXAONE 2.5 能做什麼，750B 代表什麼？
這是一款以韓文與英文為主的文字模型，總參數規模和每次運算啟用的參數規模並不相同。因此，看到七千五百億參數時，先不要把它當成每個字都要動用全部計算。
依 LG 官方模型說明，模型每次處理內容時啟用約三百一十億參數。這種設計讓不同部分分工，但完整服務仍由平台提供，使用者不必為了測試先採購整套伺服器。
官方把 2.5 定位為技術驗證模型，是在八月版本上追加訓練的成果。這則新聞的新進展，是免費 API 的開放，不能改寫成所有研究與訓練都在當天才首次開始。
它適合哪些語言與輸入？
文件列出的主要語言是韓文與英文，輸入模態則是文字。若工作是韓文合約內容整理或英文程式說明，可以依這個方向設計測試，但仍要由有能力核對原文的人員驗收。
繁體中文使用者也可能想試，然而主要語言說明並未提供完整繁中評測。把韓英成績直接移用到繁中客服或台灣法規問題，會讓選型多出一個尚未被測量的假設。
官方列出聊天、工具呼叫、結構化輸出、程式產生與串流等功能。工具呼叫是讓模型提出要交給外部程式的動作，實際執行與權限仍由應用程式安排，模型本身不會因為支援工具就取得企業系統的存取權。
結構化輸出則是讓回覆遵循指定欄位，方便程式接續處理。例如把文件中的日期與金額放入各自欄位，但格式正確和內容正確仍是兩項驗收，不能只因解析成功便接受數字。
512K 上下文如何使用？
上下文是一次請求能容納的工作資料，包含指令、歷史內容及生成回覆所需空間。文件列出 512K 上下文與最高輸出限制，不能把兩個欄位相加，當成一次可以放入兩倍資料。
對長文件，應先確認關鍵內容能否被找到，再增加輸入長度。即使服務接受了大段文字，也不代表每個位置的細節都能同樣準確地被引用，這需要用實際題目檢查。
新發布不代表知識更新到當天
官方模型頁將知識截止時間列為二〇二六年一月。因此，十一月開放 API，不能解讀成它內建掌握十一月的新公告、價格或政策，這些即時問題仍需要外部資料。
若用它整理近期新聞，可以先提供已查核的原始公告，再要求答案標示日期與引用段落。這樣測到的是模型依據材料整理的能力，不會把記憶中的舊資訊誤認為即時搜尋結果。
同樣地，支援工具呼叫只是完成查詢的其中一步。應用程式還要真的取得資料，將結果交回模型，才能檢查最後回答是否反映新來源，而不是停在提出搜尋要求的階段。
模型規模說明了服務的背景，但是否能完成工作，還要看評測測的是哪一種任務。
四項代理評測該怎麼讀？
LG 公布的成績涵蓋程式、搜尋與工具工作，不能加總成日常任務的單一正確率。每項測試的資料、環境與評分方式不同，最有用的比較是找到和自己工作相近的一項。
11 月 9 日官方公告 列出四項主要結果，以下保留新聞稿使用的四捨五入數字。
| 評測 | 官方成績 | 主要觀察工作 |
|---|---|---|
| AutomationBench Open-set | 74.6 | 用軟體工具完成業務自動化 |
| SWE-Bench Pro | 59.2 | 修改與開發真實軟體 |
| BrowseComp | 78.0 | 上網找出所需資訊 |
| Claw-Eval | 77.3 | 在代理工作環境處理任務 |
表格呈現的是 LG 使用公開資料集進行的測量。公開資料有助理解題型，但仍要看使用的代理框架、工具與重試條件，不能把它等同於本文已重現的獨立結果。
與上一代比較，能看出什麼？
官方模型頁把 AutomationBench 從 2.0 的十六點九分，列到 2.5 的七十四點六分，兩者相差五十七點七個百分點。這是同一張官方表中的分數差，不能說每個企業的自動化效率都會增加同樣幅度。
因為應用流程還可能卡在登入、資料格式或工具權限，換模型不會自動消除這些阻礙。若要衡量工作效率，應把模型以外的失敗也放進整段任務紀錄。
同一張比較表也沒有顯示它四項都領先所有對手。例如程式與搜尋項目仍有其他模型較高，因此較合理的結論，是它提供了一個值得測試的候選，而非已經證明全面取代其他服務。
對程式代理成本的比較，也應保留完整執行過程，避免只看最後一次回覆的用量。
延伸閱讀：LangSmith 如何查 AI 程式代理成本？從執行軌跡到模型路由
即使成績符合需求，能不能接入產品仍要回到平台提供的使用權利。
免費 API 可以商用嗎？先看當日平台條款
截至 2026 年 11 月 10 日查詢，英文服務條款第 2.1 條只授予非商用權利，並限制把模型整合給第三方呼叫。因此，免費公告不能直接當成收費產品的使用許可。
這與新聞稿提到開發者、新創及企業可用於開發研究的宣傳範圍，需要分別閱讀。對要接正式客戶流量的團隊，關鍵是取得符合具體用途的條件，而不是自行替兩份文件補出一個寬鬆解釋。
平台存取權與模型權重不同
平台英文條款 第 2.6 條也說明，不透過服務提供模型權重、參數或原始碼。這次開放的是網路呼叫入口，並不是把七千五百億參數下載回自己的機房。
這個差別會影響控制能力。自架模型可以自行安排執行環境，平台 API 則依賴服務版本、帳戶與供應條件；兩者的權利和維運責任不能互相替代。
英文條款還寫明，若與韓文版本有差異，以韓文為準。本文整理的是查詢當日可讀的英文限制，正式用途仍應核對適用版本及平台提供的確認，不能以文章摘要代替實際約定。
免費期限沒有寫死，該如何規畫？
條款保留日後開始收費時公告費用的安排，所以目前免費不等於永久固定零成本。研究可以先做，但長期專案仍要保留服務費用改變時的選擇空間。
例如先把模型呼叫封裝在自己的內部介面，讓資料格式與答案驗收不依賴單一供應商。這是評估架構的建議，並不代表可繞過平台禁止第三方呼叫的用途限制。
用途核對清楚之後，金鑰效期與資料處理方式也會影響測試能否持續運作。
金鑰、資料與速率限制怎麼安排？
API 金鑰有效期為三十天，平台也會限制呼叫速率，所以免費測試仍需要管理期限與失敗重試。金鑰就是程式存取服務的憑證，應由團隊的憑證管理方式保存，避免散布在公開範例中。
若排程執行一段時間後突然無法連線，原因可能是憑證到期，未必是模型本身變差。因此，測試紀錄應同時保存請求時間、錯誤類型與金鑰效期，而不只留成功回答。
速率限制頁的範例不是承諾配額
官方速率限制文件 說明，回覆標頭可提供每秒、每分鐘或每日的限制與剩餘次數。超出時會收到 429 錯誤，並可能附上建議等待時間。
頁面中的每秒一次、每分鐘六十次等數字，出現在範例回覆中。它們用來說明欄位讀法，不能直接當成每個帳戶都固定享有的配額。
因此，程式應讀取實際回覆，不應在失敗後無限制地立刻重送。保留等待與重試紀錄，也能避免把服務限流誤判成模型不會完成工具工作。
串流有文字，不等於最終答案已完成
官方快速入門 的回覆範例，把推理內容與最後答案放在不同欄位。開發時應依實際格式處理，不能把收到的每段文字都直接當成可交付結果。
例如欄位抽取工作，仍要等回答完成，再檢查必要欄位是否齊全、資料能否解析，以及工具是否真的成功。串流能改善等待時的呈現，卻不會取代這些完成條件。
測試資料會被如何處理？
英文條款第 2.3 條授予平台使用輸入與輸出的權利，並提到可透過平台選擇不再用於訓練。但選擇退出之前已納入模型訓練的部分，無法技術性地分離刪除。
因此，選擇退出訓練和零資料保留不是同一件事。第一次測試應使用公開或自行製作的內容，避免直接把客戶個資、內部密件或他人的個人資訊送進去。
這也讓韓英測試可以比較單純。先挑已知答案的公開資料，確認模型能讀懂內容與遵循欄位，再決定是否值得為正式用途進一步處理資料及服務條件。
把這些條件納入測試紀錄，就能分辨模型能力和服務設定各自造成的結果。
K-EXAONE 2.5 常見問題
免費 API 代表完全開源嗎？
不代表。本次提供平台呼叫，服務條款未提供這個版本的權重。能在雲端使用模型，和能自行下載、修改或重新散布，是不同的權利。
可以直接接進面向客戶的應用嗎？
查詢當日英文條款限制第三方透過整合產品呼叫，也限定非商用。因此應先確認符合用途的條件，不能只因新聞稿提到企業，就直接放入正式服務。
能把 512K 當成文件一定讀得完的保證嗎？
上下文上限只是容量條件。文件中的問題是否能被回答、引用是否正確，還要實際驗收，並替輸出及工具結果保留空間。
台灣使用者能不受限制地申請嗎？
平台條款要求符合年齡、實際所在地與其他資格。本文沒有操作註冊，也不能保證每個地區或帳戶都能取得相同條件，應以正式申請流程為準。
先用非商用公開資料測試，再談正式整合
這次開放適合評估韓英與工具工作，但尚不能只憑免費公告，把它當成不限用途的替代服務。先把研究與正式商業部署分開，能讓測試目的更明確。
可從一組有標準答案的韓英文件開始，要求模型抽取欄位並附上原文依據。評分時分別記錄漏項、錯項與格式錯誤，才知道後續要調提示詞，還是這個模型不適合該工作。
接著再增加工具步驟，觀察模型是否選對工具、填對參數，並在工具失敗時如實回報。這比單問模型懂不懂韓文，更接近代理工作要解決的問題。
如果需要進一步理解模型如何選工具，可以先補決策層的背景，再設計自己的驗收題。
延伸閱讀：AI Agent 為什麼需要決策層？用 Jev、Laya 看懂模型路由、工具選擇與風險控管
先選一組可核對答案的韓英資料，記錄結果、延遲和錯誤，再依正式用途向平台確認條件。
