K-EXAONE-236B-A23B
K-EXAONE-236B-A23B est un grand modèle de langage propriétaire de LG AI Research, sorti le 31 décembre 2025. Avec 236 milliards de paramètres, il se place dans la catégorie des modèles de très grande taille et figurait, à son lancement, dans le haut du classement de sa génération sur…
K-EXAONE-236B-A23B est un grand modèle de langage propriétaire de LG AI Research, sorti le 31 décembre 2025. Avec 236 milliards de paramètres, il se place dans la catégorie des modèles de très grande taille et figurait, à son lancement, dans le haut du classement de sa génération sur MMLU-Pro.
Sa fenêtre de contexte atteint 32 768 tokens, tandis que ses connaissances couvrent les informations disponibles jusqu’au 1er octobre 2025. Ses poids ne sont pas ouverts, ce qui distingue son mode de diffusion de celui des modèles librement téléchargeables.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | LG AI Research |
| Poids | 🔒 Propriétaire |
| Date de sortie | 31 décembre 2025 |
| Connaissances jusqu'à | 2025-10-01 |
| Multimodal | non |
| Paramètres | 236 milliards |
| Fenêtre de contexte | 32 768 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| AIME 2025 | 92,8 % | 29ᵉ / 108 | llm-stats | Auto-déclaré |
| MMMLU | 85,7 % | 27ᵉ / 49 | llm-stats | Auto-déclaré |
| MMLU-Pro | 83,8 % | 26ᵉ / 125 | llm-stats | Auto-déclaré |
| LiveCodeBench v6 | 80,7 % | 17ᵉ / 53 | llm-stats | Auto-déclaré |
| t2-bench | 73,2 % | 17ᵉ / 23 | llm-stats | Auto-déclaré |
| IFBench | 67,3 % | 21ᵉ / 27 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. À sa sortie, K-EXAONE-236B-A23B se classait dans le top 13% sur MMLU-Pro parmi 89 LLM publiés au cours des quelque 18 mois précédents. Ce résultat le situait dans la partie haute de sa génération sur ce benchmark. Ses 236 milliards de paramètres en font par ailleurs un modèle de grande échelle. La fenêtre de 32 768 tokens autorise le traitement de contenus relativement longs au sein d’un même contexte, avec davantage de place pour les instructions et les documents associés.
Limites et points d’attention. La licence propriétaire exclut l’accès ouvert aux poids et limite donc les possibilités d’inspection, de modification ou de déploiement indépendant fondées sur ces poids. La limite de 32 768 tokens reste une contrainte pour les corpus dépassant cette capacité. Les connaissances s’arrêtent au 1er octobre 2025, ce qui impose une source externe pour traiter des événements postérieurs. Enfin, l’évaluation disponible repose sur une seule source de données, ce qui réduit la profondeur de la comparaison. Le modèle vise surtout les usages nécessitant un LLM de grande taille avec un contexte de plusieurs dizaines de milliers de tokens.
Sources des données : LLM-Stats (llm-stats.com).