LG AI Research 开源首个视觉语言模型 EXAONE 4.5

背景

EXAONE 4.5 是 LG AI Research 的 EXAONE 系列模型的新一代。它的前一版 EXAONE 4.0 的上下文窗口是 131K token，也就是模型一次能在「眼前」放住多少文本 ^[1]。到了 4.5，系列名称保留，但有两件事同时变了：一是加入了图像输入，二是以开放权重的方式对外发布。

发布

LG AI Research 于 2026 年 4 月 9 日发布 EXAONE 4.5 ^[1]。这是公司首个以开放权重形式发布的多模态模型 ^[1][2]。所谓开放权重，指训练好的参数本身被公开，公司之外的人可以把模型下载下来、在自己的机器上运行，而不只是通过某个接口调用它。

权重在 2026 年 4 月 4 日就已经出现在 Hugging Face 上，比技术报告早 5 天 ^[2]。先放模型卡和权重、后出论文，这在开放发布里已经不稀奇：使用者可以先上手，完整的说明文字随后补上。

模型规格

这次只发布了一个规模：33B 参数 ^[2]。其中 1.2B 属于视觉编码器（vision encoder），也就是把图像转换成语言模型能读的表征的那一部分 ^[2]，其余参数承担语言侧的工作。

上下文长度从 EXAONE 4.0 的 131K 提升到 256K ^[1]。窗口变长意味着一次能放进去的材料更多——更长的报告、更厚的一叠页面，可以整份交给模型，而不必切成小块再拼接回来。

为什么盯住文档理解

LG AI Research 把文档理解定为这款模型的主要应用方向，这一选择与 LG 自身的业务领域相对应 ^[1]。文档理解指的是：把一页东西按它实际的样子——文字、表格、版式、表单字段、印章、扫描件或拍照页——读进来，再产出程序能用的结果，比如抽出的字段、结构化的表格，或者对文档内容的提问给出回答。它比读纯文本难，因为含义常常藏在排布里：哪个数字属于哪一列，哪个标签挨着哪个框。把视觉编码器和语言模型配在一起，是处理这类任务的一条路径，模型看的直接是页面本身，而不是先由另一个步骤抽出来的文字。

选这个方向也说明了模型是给谁用的。文档处理是大型组织里到处都有的活儿——合同、发票、报告、表单——围绕它做模型，瞄准的与其说是通用闲聊，不如说是一项边界清楚、重复量大的工作。

许可

EXAONE 4.5 沿用了此前 EXAONE 发布所用的许可，而没有转向某种开源许可 ^[2]。也就是说，权重虽然是开放的，但使用条件来自这份许可文件，而不是来自一份标准开源协议。对于打算在其上做开发的人来说，读这些条款是评估这次发布的一部分，和看参数规模、看上下文长度是一回事。

意味着什么

有两点值得注意。其一，一家有明确行业方向的企业的研究机构，把多模态模型以开放权重放了出来，这就把它交到了能够检查、测试并说明它表现如何的外部研究者和开发者手里。其二，这款模型是围绕一件具体的事——读文档——设计的，而不是围绕「什么都能干」，256K 的上下文和独立的视觉编码器这两项被强调的规格，都服务于这件事。至于这条路子在实践中站不站得住，现在拥有权重的人可以自己去验证。