LG AI Research 发布 EXAONE 3.5 系列

背景

大模型实验室发布模型时，往往发的是一整个系列，而不是单个模型。同一套架构和训练方法被缩放到几个不同的参数量上，用户再按自己的硬件和预算挑一个：小的可以放进笔记本或某个应用里，大的则需要服务器和加速卡。LG AI Research 的 EXAONE 3.5 走的就是这条路，技术报告于 2024 年 12 月 6 日发布 ^[1]。其中 7.8B 保持了前一代的规模，因此这次发布更像是在已有产品线上的一次更新，而不是另起一条线 ^[2]。

发布了什么

系列覆盖三个规模：2.4B、7.8B 和 32B，这里的「B」指十亿参数，也就是模型里那些通过学习得到的数字 ^[1]。权重自 2024 年 12 月 1 日起已经在 Hugging Face 上可以获取，比技术报告早几天，也就是说在介绍模型的文档公开之前，人们已经可以先下载、先运行 ^[2]。发布采用的是研究用途许可，而不是不设限制的商业使用 ^[1]。

三个规模各自的定位

每个规模都有一个明确的位置。2.4B 面向小型或资源受限的设备 ^[2]：这一档模型体积小，可以不依赖成排的加速卡来运行，或者被装进某个应用里随产品一起分发，训练一个很小的版本，意义正在于此。7.8B 保持前代的规模，同时提升了性能 ^[2]，同样的硬件占用意味着已经在跑上一代模型的团队不必重新规划机器。32B 则被定位为系列里的高性能成员，用在答案质量比成本更重要的场合 ^[2]。

三者都保持 32K 的上下文窗口，LG 表示它们在长上下文理解上处于领先 ^[2]。上下文窗口指的是模型回答时一次能「看见」多少文本；32K 个 token 大致相当于几十页，够一口气读完一份长合同、一份报告或一个源文件，而不必先切成小块。模型是否真的把这段空间用好——比如在长文档里找到需要的那一句——是另一个问题，而这里的说法来自公司自己，不是独立评测的结果 ^[2]。

为什么值得注意

发布里有两个细节比几个数字更说明问题。第一是顺序：权重 12 月 1 日上线 Hugging Face，技术报告 12 月 6 日发布 ^[2][1]。先把权重放出去、后补文档，在那些希望人们先试再读的实验室里是一种常见做法，它也把描述模型表现的一部分工作交给了早期用户。第二是许可边界：研究用途的条款意味着模型可以被研究、被评测、用于学术工作，但要放进商业产品，还需要另外的安排 ^[1]。

第三点是系列化本身。同一系列从 2.4B 一直覆盖到 32B，一个机构可以先在受限设备上用最小的那个，再在服务器上换用 32B，而不必离开同一套模型；32K 上下文在三个规模上都保留，而不是只留给最大的那个 ^[2]。规模仍然换来能力——32B 就是为最难的工作准备的成员——但这里的选择更多被描述成部署条件的差别，而不只是质量高低 ^[2]。