EXAONE 4.5（LG 首个开源视觉语言模型）

是什么

EXAONE 4.5 是 LG AI Research 发布的视觉语言模型（vision language model），也就是能同时把图像和文字作为输入的模型。它是该实验室第一个开放权重（open-weight）的视觉语言模型，训练好的权重对外发布，其他人可以下载并运行。^[1][2] 模型总共有 330 亿个参数，其中 12 亿个属于视觉编码器——负责把图像转换成语言部分能够处理的表示。^[2] 描述该模型的技术报告于 2026 年 4 月 9 日发布。^[1]

怎么做出来的

LG 并没有从零训练一个新的语言模型。EXAONE 4.5 是在已有的 EXAONE 4.0 框架上加入一个专门的视觉编码器做出来的。^[1] 预训练是原生多模态的：图像和文本一起参与训练，而不是先做纯文本模型、事后再让它适应图像。训练数据的配比偏重文档语料，因此模型见到的视觉素材中有相当大一部分是文档页面，而不是日常照片。^[1]

长上下文与语言

上下文长度扩展到 256K 个 token，这个长度是为企业场景中常见的长文档准备的。^[1] 模型卡列出的支持语言包括英语、韩语、西班牙语、德语、日语和越南语。^[2]

LG 的说法

LG 表示，该模型在文档理解和韩语语境推理两项上超过了同等规模的最先进模型。^[2] 这是该实验室自己在 330 亿参数这一规模上做的比较。它挑出的这两项与设计中看得见的选择是呼应的：偏重文档的训练数据和加长的上下文适合处理成页的长文本，而韩语本身就是模型卡列出的语言之一。^[1][2]

发布与许可

330 亿参数的权重于 2026 年 4 月 4 日上传到 Hugging Face，比技术报告早几天。^[3][1] 模型沿用 EXAONE 自己的许可证，而不是 OSI 认可的许可证。^[2] 这个区别值得了解：开放权重指的是参数可以下载，而 OSI 认可的许可证还意味着使用条款符合通常所说的开源定义。在这里，使用者遵循的是 LG 自己制定的条款。

在发展中处于什么位置

EXAONE 4.5 把 LG 的 EXAONE 系列从文本带到了图像。对文档、长上下文和企业级材料的强调，说明它面向的是合同、报告、扫描页一类的任务，而不是随手的照片对话。开放权重的意义也在这里：机构可以把模型放在自己的基础设施里运行，而不必把材料传给外部服务——当输入是内部文书时，这一点往往就是决策的关键。

对一个想给这个模型定位的读者来说，有三处细节信息量最大。参数规模说明它大到足够有用，又小到不需要一大片加速器才能提供服务。视觉编码器只占总参数的很小一部分，这与一种设计取向是一致的：大部分容量花在语言和文档推理上，而不是图像感知上。^[2] 原生多模态预训练则意味着它没有经历过「先做纯文本、再把图像接上去」的阶段。^[1]

和任何模型卡一样，性能表述说的是开发者针对自选对比对象测出的结果，并不是一份中立的排行榜。可以不加限定地说的，是它的形状：一个 330 亿参数的模型，其中 12 亿用于视觉，在偏重文档的图像与文本上训练，最多读取 256K 个 token 的上下文，覆盖 6 种语言，以可下载的权重和自定义许可证发布。^[1][2][3]