엑사원 (EXAONE)

엑사원(EXAONE)은 LG AI연구원이 개발한 파운데이션 모델 계열입니다. 2024년 8월 엑사원 3.0을 공개하면서 국내 대기업이 만든 모델 가운데 처음으로 가중치를 외부에 내놓았고, 이후 세대를 거듭하며 텍스트뿐 아니라 이미지까지 함께 다루는 멀티모달 모델로 확장됐습니다. 이름은 'Expert AI for Everyone'에서 왔습니다.

국내에서 만든 파운데이션 모델이 왜 필요한지는 성능표만으로 설명되지 않습니다. 대형 언어 모델을 처음부터 학습시켜 본 조직이 국내에 몇 없다는 점 자체가 문제였습니다. 데이터 수집, 토크나이저 설계, 대규모 분산 학습, 안전성 평가까지 전체 과정을 한 번 완주해 봐야 다음 모델을 더 빠르게 만들 수 있습니다. 엑사원이 공개될 때마다 기술 보고서가 함께 나오는 것도 그 경험을 밖으로 흘려보내려는 성격이 있습니다.

엑사원 계열에서 가장 큰 모델은 K-EXAONE입니다. 정식 표기는 K-EXAONE 236B-A23B로, 총 2,360억 파라미터 가운데 요청마다 230억 개만 켜지는 MoE 구조입니다. 전문가 128개 중 8개를 고르고 여기에 공유 전문가 하나를 항상 함께 쓰는 방식이며, 26만 2,144토큰(약 256K) 길이의 컨텍스트 윈도우를 지원합니다. 지원 언어는 한국어, 영어, 스페인어, 독일어, 일본어, 베트남어 여섯 가지입니다.

구조에서 눈여겨볼 점

K-EXAONE은 어텐션을 전부 전역으로 걸지 않고, 슬라이딩 윈도우 방식 세 블록에 전역 어텐션 한 블록을 섞는 3:1 하이브리드 구성을 씁니다. 긴 문맥을 다룰 때 GPU 메모리를 아끼기 위한 설계입니다. 여기에 다음 토큰 하나가 아니라 여러 개를 한 번에 예측하는 MTP(Multi-Token Prediction) 계층을 붙여 추측 디코딩을 지원하고, 이를 통해 생성 처리량을 약 1.5배까지 끌어올린다고 설명합니다.

라이선스는 확인하고 써야 합니다. K-EXAONE은 Apache 2.0 같은 표준 오픈소스 라이선스가 아니라 K-EXAONE AI Model License Agreement라는 자체 라이선스로 배포됩니다. 가중치를 내려받을 수 있다는 점에서 공개 가중치 모델이 맞지만, 상업적 이용 조건이 자유롭게 열려 있다고 단정하면 곤란합니다. Apache 2.0 계열이 많은 큐원과 이 부분에서 성격이 갈립니다.

어디에 쓰이는지

직접 돌려 보려면 준비할 것이 있습니다. 2,360억 파라미터 모델은 가중치 파일만으로도 수백 기가바이트라 일반 작업용 장비로는 감당하기 어렵고, 양자화 버전을 쓰더라도 여러 장의 고성능 가속기가 필요합니다. 그래서 개인이나 소규모 팀은 대형 모델을 직접 띄우기보다 API로 성능을 확인하고, 실제 배포에는 계열 안의 더 작은 모델을 고르는 순서로 접근하는 편이 현실적입니다.

엑사원의 차별점은 산업 데이터입니다. LG는 화학, 바이오, 제조처럼 자사 계열이 오래 다뤄 온 영역의 데이터를 학습과 검증에 넣었다고 밝혀 왔고, 신약 후보 물질 탐색이나 소재 설계처럼 일반 대화형 모델이 잘 다루지 못하는 과제를 사례로 내세웁니다. 범용 챗봇 경쟁보다 특정 도메인의 문서와 실험 데이터를 읽어 내는 쪽에 무게를 둔 방향입니다.

국내 파운데이션 모델이라는 점에서 하이퍼클로바 X와 자주 함께 언급됩니다. 두 모델은 출발점이 다릅니다. 하이퍼클로바 X는 검색과 커머스 같은 소비자 서비스에서 쌓인 데이터와 트래픽을 배경으로 하고, 엑사원은 산업 현장 데이터를 강조합니다. 데이터를 국외로 보낼 수 없거나 AI 기본법 대응 문서를 국내 사업자와 함께 준비해야 하는 조직이라면 두 모델이 실제 후보군에 오릅니다.

성능 비교를 읽을 때는 조건을 함께 봐야 합니다. LG AI연구원은 여러 벤치마크 평균 점수로 해외 공개 가중치 모델을 앞섰다고 발표했지만, 벤치마크 구성과 평가 방식에 따라 순위는 얼마든지 뒤집힙니다. 라마나 큐원과 마찬가지로, 실제 도입을 검토한다면 발표 자료의 평균 점수보다 자기 업무 데이터로 직접 돌려 본 결과가 훨씬 믿을 만한 근거가 됩니다.