LG AI연구원, '엑사원 4.5' 공개…텍스트·이미지 동시에 이해하는 멀티...

[테크월드=김승기 기자] 텍스트를 넘어 이미지까지 이해하는 멀티모달 인공지능(AI) 경쟁이 본격화되고 있다.

엑사원 4.5 언어 처리 및 추론 성능 비교. [자료=LG AI연구원]

LG AI연구원이 텍스트와 이미지를 동시에 이해하고 추론하는 멀티모달 AI 모델 ‘엑사원(EXAONE) 4.5’를 9일 공개했다.

엑사원 4.5는 자체 개발한 비전 인코더와 거대언어모델(LLM)을 하나의 구조로 통합한 비전-언어 모델(VLM)이다. 기존 텍스트 중심 모델에서 나아가 이미지와 문서를 함께 이해하는 방향으로 확장된 것이 특징이다.

이번 모델은 계약서, 기술 도면, 재무제표 등 산업 현장에서 활용되는 복합 문서를 읽고 맥락을 이해하는 데 강점을 보인다. LG AI연구원에 따르면 시각 이해와 문서 추론 성능을 평가하는 13개 지표 평균 점수에서 글로벌 주요 모델 대비 경쟁력을 확보했다.

특히 과학·기술·공학·수학(STEM) 성능 평가에서 77.3점을 기록하며 GPT-5 미니, 클로드 소넷 4.5, 큐원3 등을 상회했다. 코딩 성능 지표인 라이브코드벤치에서도 젬마 4보다 높은 점수를 기록했다.

엑사원 4.5 글로벌 동급 모델들과의 STEM 벤치마크 성능 비교. [자료=LG AI연구원]

효율성 측면에서도 개선이 이뤄졌다. 330억 개 파라미터 규모로 기존 모델 대비 크기를 줄이면서도 텍스트 이해 성능을 유지했으며 하이브리드 어텐션 구조와 멀티 토큰 예측 기반 추론 기술이 적용됐다.

LG AI연구원은 엑사원 4.5를 글로벌 오픈소스 플랫폼 허깅 페이스에 공개해 연구·교육 목적 활용을 지원할 예정이라고 전했다.

이진식 LG AI연구원 엑사원랩장은 “엑사원 4.5는 AI가 시각 정보까지 이해하는 단계로 진입했음을 보여주는 모델”이라며 “향후 음성, 영상, 물리 환경까지 확장해 실제 산업에서 판단하고 행동하는 AI로 발전시킬 것”이라고 말했다.

회원가입 후 이용바랍니다.