由科学技术信息通信部推动的“独立人工智能（AI）基础模型（独立模型）”项目的二次阶段评估即将进行。各企业已公开其模型，在韩语、数学、科学等专业领域展现了竞争力，但在超大型模型的运用和推理效率方面，与全球前沿模型的差距依然明显。
根据行业消息，参与独立模型项目的SK电信、Upstage和LG AI研究院于上月向Hugging Face公开了模型。新加入的Motif Technologies（Motif）也展示了预览版本。
SKT的A.X K2在韩国文化与常识（91.6分）、韩语知识（80.5分）、长文推理（66.0分）、数学推理（97.1分）等4个指标中得分最高。Upstage的Solar Open 2在科学推理（86.3分）、高难度综合推理（28.8分）、指令执行（80.0分）等3个指标中相对得分较高。
相比之下，在第一次阶段评估中获得第一名的LG AI研究院的K-EXAONE 2.0在7个共同指标中没有记录到最高分。
模型规模方面，LG AI研究院处于领先地位。K-EXAONE的参数规模达到7500亿（750B），为国内最大。LG AI研究院计划基于此进行数据质量的进一步提升和强化学习，以培养出全球前沿级别的模型。
LG AI研究院共同研究院长任宇亨表示：“当前模型并不是最终结果，而是向前沿级模型提升的起点。”他补充道：“我们将通过数据质量提升、后续学习、强化学习和推理技术的精细化，逐步完善K-EXAONE的性能。”
然而，专家指出，此次公开的模型并非最终提交版本，而是预览版本，因此在全球竞争力评估上存在局限性。公开的基准中，韩语和国内文化理解等特色领域的比重较高，因此此次结果更有助于确认各企业的优势和技术方向，而非简单地判断所有性能指标与全球模型的优劣。
软件政策研究所高级研究员奉江浩表示：“此次结果的意义在于确认在某些领域是否具备全球前沿级的竞争力，而不是在所有性能指标上是否超越全球模型。”他指出：“通过独立模型积累的技术和开发经验将成为未来国内AI竞争力的基础。”
全球前沿模型的竞争不仅体现在超大型模型的规模上，推理效率的竞争也在加剧。最近，中国的文创AI发布的“基米K3（Kimi K3）”的整体参数规模约为K-EXAONE的3.7倍，并且集成了长文处理、多模态和代理功能。
特别是基米K3在896个专家中，每个token仅选择16个进行运算，采用了超稀疏（MoE，Mixture of Experts）结构，将实际参与运算的激活参数比例降低到约3.7%。这种方式在保持超大型模型的同时，减少了运算量和成本，提高了推理效率。相比之下，国内公开模型的激活参数比例约为4.1%至6.0%，显示出提升超大型模型推理效率的技术竞争正在加剧。
※ 本报道经人工智能（AI）系统翻译与编辑。
