2025-03-18 | 노우리 기자

“仅DeepSeek的5%规模即达最高性能”…具光谟“AI胜负手”奏效

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

LG(003550)在英伟达年度开发者大会(GTC)上公开的推理人工智能(AI)“EXAONE Deep”的强项在于,其模型规模比现有大型科技公司大幅缩小,性能却超越或与之相当。现有大规模语言模型(LLM)在训练和推理时需要庞大规模的图形处理器(GPU)和电力,随之产生天文数字般的成本。因此,通过优化结构来减少资源和内存使用量的轻量化大规模语言模型(sLLM)在AI业界崭露头角,而LG提出了针对此进行优化的替代方案。LG在已成为最高级别“AI大型活动”的英伟达GTC上推出EXAONE Deep,也是为了公开展示其出色的轻量化性能并吸引关注。

据LG18日消息,基础模型EXAONE Deep-32B的参数为320亿个,仅为DeepSeek R1的5%,但在推理性能方面取得了更优的结果。在评估数学解题能力的指标MATH-500上取得95.7分,在评估科学解题能力的GPQA Diamond测试中获得66.1分,在5个同类推理AI模型中位列第二。基于此,EXAONE Deep在公开的同时被列入美国非营利AI研究调查机构“Epoch AI”的“值得关注的AI”名单。

从以开源方式一并公开的轻量模型EXAONE Deep-7.8B和端侧AI模型EXAONE Deep-2.4B来看,这一强项更为明显。7.8B模型规模仅为32B的24%,却保持了95%的性能。与美国OpenAI的o1-mini相比,在大学水平以上数学题评测中取得94.8分,领先于o1-mini(90分)。在GPQA Diamond测试和评估开发者水平思考能力的LiveCodeBench测试中,它超越同等规模的DeepSeek和OpenAI模型,以压倒性优势位列第一。

端侧模型EXAONE Deep-2.4B规模仅为7.5%,也能发挥出基础模型86%的性能。它兼具经济性与实用性,同时无需连接外部服务器即可在设备内部安全处理数据,在安全性和个人信息保护方面具有优势。与其他模型的性能差距也很突出。在LiveCodeBench测试中,EXAONE Deep 2.4B(46.6分)的得分比DeepSeek模型(16.9分)高出近3倍。在GPQA Diamond测试中,EXAONE Deep(54.3分)的得分也比DeepSeek模型(33.8分)高出近20分。

以此次公开EXAONE Deep为契机,具光谟的AI愿景预计也将更加清晰。这位会长在今年新年致辞中曾强调:“挑战新领域、创造前所未有价值的众多瞬间累积起来,成就了今天的LG”,“将让AI等尖端技术能在日常生活中便捷使用,从而创造把宝贵时间用于更愉快、更有意义之事的新生活方式”。这意味着要超越单纯的AI模型,最终完成能够自行提出假设、进行推理并自主决策的“代理型AI模型”。

更令人惊讶的是LG的AI模型开发速度。2021年开发EXAONE 1.0后,到2023年开发EXAONE 2.0用了两年,而此次EXAONE Deep与前一模型(EXAONE 3.5,去年12月公开)之间仅相隔3个月。AI研究院成立仅4周年,就在训练、推理等各领域AI上全面取得成果。

不过,与其他AI开发企业一样,盈利模式仍是待解课题。为此,LG AI研究院今年计划集中于多样的商业化方案。首先将在上半年推进与关联公司的合作,例如把端侧AI模型搭载到LG U+自主开发的AI模型ixi-GEN上。还计划深化与开发AI服务的各领域企业合作的企业间交易(B2B)业务。今后,EXAONE不仅可用于企业所需的专业领域,也可用于物理、化学等科学研究和教育现场。

LG相关人士表示:“在大幅缩小模型规模同时保持性能方面,我们自信EXAONE处于全球AI业界最高水平”,“它不仅性能优异,还具备可应用于各类产业的成本效率”。

阅读韩文原文