EXAONE 4.0：LG AI Research让AI能动能静，一个模型搞定快速回答和深度思考

LG AI Research的研究团队在2025年7月15日正式发布了他们的最新研究成果——EXAONE 4.0大型语言模型。这项成果发表在arXiv平台上，论文编号为2507.11407v1，有兴趣深入了解的读者可以通过https://arxiv.org/abs/2507.11407访问完整论文。

这项研究的独特之处在于，它创造了一个真正能够"动静结合"的AI系统。就像一个既能快速反应又能深度思考的超级大脑，EXAONE 4.0在同一个模型中集成了两种完全不同的工作模式：一个是"快速回答模式"，能够像闪电般迅速给出答案；另一个是"深度思考模式"，会像哲学家一样仔细推理每个问题。

这种设计理念源于一个很实际的需求：在日常生活中，我们有时需要快速获得答案，比如查询天气或简单的事实问题；但有时又需要深入思考，比如解决复杂的数学问题或编写代码。传统的AI系统往往只能做好其中一种，而EXAONE 4.0则实现了两者的完美统一。

研究团队由LG AI Research的众多科学家组成，他们不仅在技术上实现了突破，还在实用性上做了大量优化。EXAONE 4.0不仅支持英语和韩语，还新增了对西班牙语的支持，这让它能够服务更广泛的用户群体。同时，它还具备了"智能工具使用"的能力，能够像一个熟练的助手一样调用各种外部工具来完成复杂任务。

这个AI系统有两个版本：一个是拥有320亿参数的"中型"版本，专门为高性能应用设计；另一个是拥有12亿参数的"小型"版本，专门为移动设备和边缘计算场景优化。这种设计让EXAONE 4.0既能在强大的服务器上发挥最大性能，也能在普通的手机或平板电脑上流畅运行。

特别值得一提的是，EXAONE 4.0在数学推理和编程能力方面表现尤为出色。在多项标准测试中，它甚至超越了许多参数量远超自己的大型模型。这就好比一个身材相对瘦小但技艺精湛的武术高手，能够击败比自己强壮得多的对手。

一、革命性的双模式设计：让AI既能快跑又能深思

EXAONE 4.0最引人注目的特色就是它的双模式设计。这种设计就像给AI安装了两个不同的"大脑"：一个是"快速大脑"，专门处理那些需要立即回答的问题；另一个是"思考大脑"，专门处理那些需要深入分析的复杂问题。

快速回答模式就像一个反应敏捷的服务员，当顾客问"今天星期几"或"巴黎在哪个国家"这类问题时，它能够毫不犹豫地给出准确答案。这种模式的优势在于效率极高，不会让用户等待，特别适合日常的信息查询和简单对话。

相比之下，深度思考模式更像一个沉思的学者。当面对复杂的数学推理题或需要编写程序代码时，它会进入一种特殊的"思考状态"，在内心进行复杂的推理过程，最终给出经过深思熟虑的答案。这种模式虽然需要更长的时间，但能够处理那些需要多步推理的复杂问题。

这种双模式设计的巧妙之处在于，用户可以根据问题的性质选择合适的模式。就像开车时可以选择经济模式或运动模式一样，用户可以根据自己的需求在快速和深入之间做出选择。

研究团队在训练这个系统时采用了一种特殊的方法。他们让两种模式在同一个模型中共存，而不是分别训练两个独立的模型。这就像教一个人既要学会快速心算，又要学会用草稿纸仔细计算复杂问题。通过这种方式，EXAONE 4.0能够在保持快速响应能力的同时，也具备了深度思考的能力。

更重要的是，这种设计让用户的体验变得更加自然和灵活。在实际使用中，用户不需要预先判断问题的复杂程度，系统会根据问题的性质自动选择合适的模式，或者用户可以主动指定使用哪种模式。

二、技术架构的创新：混合注意力机制的巧妙设计

EXAONE 4.0在技术架构上做出了几项重要创新，其中最关键的是采用了一种叫做"混合注意力机制"的新技术。要理解这个技术，我们可以把它想象成一个图书馆的管理系统。

在传统的AI系统中，就像一个图书馆管理员需要同时关注图书馆里的每一本书，无论读者需要的是近在眼前的书还是远在角落的书。这种"全局注意力"虽然很全面，但在处理大量信息时会变得非常消耗计算资源，就像让一个人同时监控整个巨大图书馆的每个角落。

EXAONE 4.0采用的混合注意力机制则更加智能。它像一个优秀的图书馆管理员，既能关注读者附近的书籍（局部注意力），又能在必要时查看整个图书馆的情况（全局注意力）。具体来说，系统按照3:1的比例分配这两种注意力：每处理3个局部信息，就会进行1次全局检查。

这种设计的好处是显而易见的。在处理较短的文本时，系统主要关注局部信息，就像在一本书的几页之间查找信息；而在处理长文档时，系统会适时地"抬头看看全局"，确保不会遗漏重要的远距离信息。

研究团队还对模型的内部结构进行了优化。他们改进了一个叫做"层归一化"的技术，这就像调整一个复杂机器的各个部件，让它们能够更好地协同工作。这种调整让模型在处理复杂任务时表现得更加稳定和高效。

EXAONE 4.0还支持处理长达128K个单词的文本，这相当于能够一次性阅读几百页的书籍。这种长文本处理能力对于分析报告、处理法律文件或者阅读学术论文等场景特别有用。

为了实现这种长文本处理能力，研究团队采用了一种渐进式的训练方法。他们首先让模型学会处理较短的文本，然后逐渐增加文本长度，就像教一个人先学会短跑，再逐渐增加到长跑的距离。这种方法确保了模型在处理长文本时不会"迷路"，始终能够保持良好的理解能力。

三、智能训练策略：让AI学会思考的艺术

EXAONE 4.0的训练过程就像培养一个全才学生，需要在多个阶段逐步建立不同的能力。整个训练过程可以分为几个关键阶段，每个阶段都有特定的目标和方法。

首先是基础学习阶段，研究团队让模型阅读了大量的文本资料。与前一代相比，EXAONE 4.0使用了几乎两倍的训练数据，达到了14万亿个词汇单元。这就像让一个学生阅读了一个巨大的图书馆，涵盖了人类知识的方方面面。

为了提高模型的专业知识，研究团队特别注重STEM领域（科学、技术、工程、数学）的训练数据。他们精心挑选了高质量的专业文献和教材，确保模型能够掌握这些关键领域的知识。这种做法就像让一个学生不仅要广泛阅读，还要深入学习重点科目。

接下来是指令理解训练阶段。在这个阶段，模型需要学会理解人类的各种指令和问题。研究团队构建了一个庞大的指令数据集，涵盖了五个主要领域：世界知识、数学编程逻辑、智能工具使用、长文本处理和多语言能力。每个领域都有针对性的训练策略和数据收集方法。

特别值得一提的是推理能力的训练。研究团队开发了一种名为AGAPO的新训练算法，这个算法比传统方法更加智能。它能够从错误中学习，就像一个好老师不仅会表扬学生的正确答案，还会耐心地纠正错误，让学生从错误中获得更深的理解。

在训练深度思考模式时，研究团队采用了一种特殊的方法。他们让模型学会在给出最终答案之前进行内部推理，这个过程就像一个数学家在解决复杂问题时会在草稿纸上进行各种尝试和计算。模型会在一个特殊的"思考空间"中进行推理，然后再给出最终答案。

为了平衡快速模式和深度模式的性能，研究团队采用了一种叫做"偏好学习"的技术。这种技术让模型学会在不同情况下选择最合适的回答方式，就像一个有经验的老师知道什么时候应该给出简洁的答案，什么时候应该详细解释。

四、多语言能力的拓展：从双语到三语的飞跃

EXAONE 4.0在语言支持方面实现了重要突破，从原来的英语和韩语双语支持扩展到了包括西班牙语在内的三语支持。这种扩展看似简单，实际上需要解决许多复杂的技术挑战。

添加新语言支持就像让一个原本只会说两种语言的人学会第三种语言，同时还要确保不会忘记原来已经掌握的语言。研究团队面临的挑战是如何在不损害原有英语和韩语能力的前提下，让模型掌握西班牙语。

为了解决这个问题，研究团队采用了一种巧妙的策略。他们保持了原有的词汇表和分词器不变，这就像保持原有的"语言基础设施"，然后在这个基础上添加西班牙语的内容。这种方法避免了重新构建整个语言系统的复杂性，同时确保了与前代模型的兼容性。

在西班牙语训练数据的构建上，研究团队既收集了原创的西班牙语内容，也对部分现有的英语数据进行了翻译。这种混合策略确保了模型能够学到地道的西班牙语表达，而不是简单的英语翻译腔。

特别重要的是，研究团队在训练过程中特别注意保持三种语言之间的平衡。他们通过精心控制不同语言训练数据的比例，确保模型不会因为学习新语言而在原有语言上出现退化。这就像一个多语言学习者需要经常练习所有语言，以保持每种语言的流利程度。

为了验证多语言能力的效果，研究团队在各种语言的标准测试中都取得了优异成绩。在韩语测试中，EXAONE 4.0展现出了对韩国文化和专业知识的深入理解；在西班牙语测试中，它也表现出了令人印象深刻的语言能力和文化适应性。

五、智能工具使用：让AI成为真正的助手

EXAONE 4.0的一个重要创新是具备了"智能工具使用"的能力。这种能力让AI不再只是一个回答问题的系统，而是能够主动调用各种外部工具来完成复杂任务的智能助手。

这种能力就像给AI配备了一个工具箱，里面有各种专业工具。当用户提出需要计算器、搜索引擎、代码编译器或其他专业工具才能解决的问题时，AI能够自动识别需要使用哪些工具，然后按照正确的顺序调用这些工具，最终给出完整的解决方案。

研究团队在训练这种能力时，特别注重构建复杂的多步骤任务场景。他们不仅让模型学会使用单个工具，更重要的是学会如何组合使用多个工具来解决复杂问题。这就像教一个学徒不仅要学会使用每种工具，还要学会在不同情况下选择和组合使用这些工具。

在实际应用中，这种能力表现得尤为强大。例如，当用户询问某个股票的历史表现并要求生成图表时，AI会首先调用金融数据接口获取股票数据，然后使用数据处理工具分析这些数据，最后调用图表生成工具创建可视化图表。整个过程中，AI会与用户保持沟通，解释每个步骤的目的和结果。

更令人印象深刻的是，EXAONE 4.0还具备了从执行结果中学习和调整的能力。如果某个工具调用失败或结果不符合预期，它会尝试其他方法或调整参数，直到找到有效的解决方案。这种自我调整能力让AI在面对不确定性时表现得更加智能和可靠。

六、性能表现：在各个领域的出色成绩

EXAONE 4.0在各种标准测试中的表现令人瞩目，特别是在数学推理和编程能力方面展现出了超越同级别模型的强大实力。这些测试结果就像一份详细的成绩单，展示了模型在不同领域的具体能力水平。

在数学推理方面，EXAONE 4.0参加了多项国际数学竞赛级别的测试。在AIME 2025数学竞赛中，32B版本的模型达到了85.3%的正确率，这个成绩甚至超过了一些参数量远超自己的大型模型。这就像一个身材相对瘦小的选手在力量比赛中击败了更加强壮的对手，展现了技巧和效率的重要性。

在编程能力测试中，EXAONE 4.0同样表现出色。在LiveCodeBench这个专门测试编程能力的平台上，模型能够解决72.6%的编程问题。这些问题涵盖了从基础的算法实现到复杂的系统设计，要求模型不仅要理解编程语言的语法，还要具备解决实际问题的逻辑思维能力。

在世界知识测试中，EXAONE 4.0展现了广博的知识储备。在MMLU-Redux这个涵盖多个学科的综合测试中，模型达到了92.3%的正确率，这意味着它在历史、科学、文学、法律等各个领域都有很好的知识基础。更重要的是，在专业级别的知识测试中，模型也能够准确回答那些需要深入专业知识的问题。

特别值得一提的是模型在长文本处理方面的能力。在需要理解和分析长篇文档的任务中，EXAONE 4.0能够准确地从几万字的文档中提取关键信息，回答相关问题，甚至能够分析文档的整体结构和逻辑关系。这种能力对于处理法律文件、学术论文、技术文档等场景特别有用。

在多语言能力测试中，EXAONE 4.0不仅在英语测试中表现优异，在韩语和西班牙语测试中也展现了令人印象深刻的能力。这证明了模型真正掌握了多语言理解和表达能力，而不是简单的翻译。

七、智能工具使用能力的实际表现

EXAONE 4.0在智能工具使用方面的表现展现了它作为智能助手的巨大潜力。在专门测试工具使用能力的标准评估中，模型展现出了与顶级系统相媲美的性能。

在BFCL-V3这个专门测试函数调用能力的平台上，EXAONE 4.0达到了63.9%的成功率。这个测试要求模型能够正确理解用户的意图，选择合适的工具，并以正确的参数调用这些工具。这就像测试一个助手能否根据老板的指示正确地操作各种办公设备。

更令人印象深刻的是在TAU-BENCH这个模拟真实用户交互的测试中，EXAONE 4.0展现了出色的对话管理和工具协调能力。在航空服务场景中，模型能够帮助用户查询航班信息、预订机票、处理行李问题等复杂任务，成功率达到了51.5%。在零售场景中，成功率更是达到了62.8%。

这些测试结果的意义在于，它们反映了模型在真实应用场景中的实际表现。与简单的问答不同，这些任务需要模型能够理解复杂的用户需求，制定多步骤的解决方案，并在执行过程中根据反馈调整策略。

特别值得注意的是，EXAONE 4.0在处理错误和异常情况时表现得相当智能。当某个工具调用失败或返回意外结果时，模型能够分析问题的原因，尝试替代方案，或者向用户寻求更多信息。这种容错能力对于实际应用来说至关重要。

八、推理预算控制：灵活调节思考深度

EXAONE 4.0的一个独特特性是支持"推理预算控制"，这就像给AI的思考过程装上了一个可调节的"思考时间控制器"。用户可以根据具体需求和时间限制，灵活调节AI的思考深度和时间投入。

这种设计的巧妙之处在于它的实用性。在日常使用中，有些问题需要快速答案，有些则需要深入思考。通过调节推理预算，用户可以在速度和准确性之间找到最合适的平衡点。

研究团队的测试显示，即使将推理预算从最高的64K降低到32K，模型的性能下降也相对有限。在大多数情况下，性能降幅控制在5%以内，这意味着用户可以在不显著影响质量的前提下获得更快的响应速度。

这种灵活性对于不同的应用场景特别有价值。在需要快速响应的客服场景中，可以设置较低的推理预算以获得更快的回复；而在需要深入分析的研究场景中，可以设置较高的推理预算以获得更准确和全面的结果。

更重要的是，这种控制机制让用户能够根据自己的计算资源和时间成本来调节AI的表现。这就像开车时可以根据路况和时间要求选择不同的驾驶模式，既保证了实用性，又提供了灵活性。

九、局限性与未来展望

尽管EXAONE 4.0在多个方面都表现出色，但研究团队也坦诚地承认了这个系统的一些局限性。这种科学的态度让我们能够更客观地理解这项技术的现状和发展方向。

首先，像所有的AI系统一样，EXAONE 4.0仍然可能生成不准确或有偏见的内容。研究团队强调，尽管他们在训练数据的筛选和处理上投入了大量努力，但完全消除所有潜在的问题仍然是一个挑战。这就像一个博学的学者，虽然知识渊博，但偶尔也会犯错或受到某些观点的影响。

其次，模型的知识截止时间限制了它对最新信息的了解。EXAONE 4.0的知识更新到2024年11月，这意味着它无法了解更近期发生的事件。这个限制在快速变化的领域（如科技新闻、股市动态等）中尤为明显。

在多语言支持方面，虽然EXAONE 4.0已经支持三种语言，但对于全球化应用来说，这个数量仍然有限。研究团队表示，他们计划在未来版本中逐步扩展支持更多语言，以满足更广泛用户群体的需求。

关于智能工具使用能力，虽然EXAONE 4.0已经展现了令人印象深刻的性能，但在处理特别复杂或不常见的工具组合时仍然面临挑战。这需要更多的训练数据和更复杂的推理算法来改进。

研究团队还指出，长文本处理虽然在技术上已经实现，但在实际应用中的计算成本仍然较高。这意味着在处理非常长的文档时，用户需要在性能和效率之间做出权衡。

展望未来，研究团队计划在几个方向上继续改进EXAONE 4.0。首先是扩展语言支持，让更多语言的用户能够享受到这项技术的便利。其次是改进推理算法，让深度思考模式变得更加高效和准确。最后是增强工具使用能力，让AI能够处理更复杂的多步骤任务。

说到底，EXAONE 4.0代表了AI技术发展的一个重要里程碑。它不仅在技术上实现了快速回答和深度思考的统一，更在实用性上为用户提供了前所未有的灵活性。虽然还存在一些局限性，但这个系统已经展现出了巨大的应用潜力。

对于普通用户来说，EXAONE 4.0意味着他们可以拥有一个真正智能的助手，既能快速回答日常问题，又能深入分析复杂问题。对于开发者和研究人员来说，这个系统提供了一个强大的基础平台，可以在此基础上构建更多创新应用。

归根结底，EXAONE 4.0的真正价值在于它让AI技术向着更加人性化和实用化的方向发展。它不是简单地追求更大的规模或更高的性能指标，而是真正考虑了用户的实际需求和使用场景。这种以用户为中心的设计理念，也许正是未来AI发展的正确方向。

对于那些关注AI技术发展的读者，EXAONE 4.0的开源发布也意味着更多的研究人员和开发者能够在这个基础上进行创新。这种开放合作的精神，将推动整个AI领域的快速发展，最终让更多人受益于这项技术的进步。

Q&A

Q1：EXAONE 4.0的双模式是什么意思？有什么不同？ A：EXAONE 4.0有两种工作模式：快速回答模式和深度思考模式。快速模式像闪电般迅速给出答案，适合简单问题；深度模式会像哲学家一样仔细推理，适合复杂的数学或编程问题。用户可以根据需要选择合适的模式。

Q2：EXAONE 4.0比其他AI模型有什么优势？ A：主要优势包括：在同一个模型中集成了快速和深度两种模式，支持英语、韩语、西班牙语三种语言，具备智能工具使用能力，能处理超长文本（12.8万字），在数学和编程方面表现特别出色，甚至超越了一些更大规模的模型。

Q3：普通用户能使用EXAONE 4.0吗？在哪里能找到？ A：是的，EXAONE 4.0已经开源发布，普通用户可以通过https://huggingface.co/LGAI-EXAONE下载使用。不过需要注意的是，这主要面向研究和教育用途，商业使用需要获得相应授权。