“텍스트·이미지 이해하고 추론”…LG, 멀티모달 AI ‘엑사원 4.5’ 공개

/LG AI연구원

LG AI연구원이 텍스트와 이미지를 동시에 이해하고 추론하는 멀티모달 AI 모델 '엑사원 4.5'를 공개했다.

9일 LG AI연구원에 따르면 엑사원 4.5는 2021년 12월 국내 최초 멀티모달 AI 모델 '엑사원 1.0'을 개발하며 축적한 기술력을 바탕으로 개발됐다. 비전 인코더와 거대언어모델(LLM)을 하나의 구조로 통합한 비전-언어모델(VLM)이다.

이번 모델은 독자 AI 파운데이션 모델 프로젝트에서 개발 중인 'K-엑사원'의 모달리티 확장을 위한 준비 단계다. LG AI연구원은 오는 8월 프로젝트 2차수 종료 이후 3차수 진출이 확정되면 본격적으로 모달리티 확장에 나설 계획이다. 궁극적으로 엑사원을 가상 환경을 넘어 물리적 세계를 이해하고 판단하는 피지컬 인텔리전스로 발전시키는 것을 목표로 하고 있다.

엑사원 4.5는 계약서, 기술 도면, 재무제표, 스캔 문서 등 산업 현장에서 실제로 다루는 복합 문서를 정확하게 읽고 추론하는 능력에 강점이 있다. 엑사원 4.5는 멀티모달 AI 모델의 시각 처리와 추론 성능을 평가하는 벤치마크 점수에서 STEM(과학·기술·공학·수학) 성능을 측정하는 5개 지표 평균 77.3점을 기록했다. 이는 미국 오픈AI GPT5-미니(73.5점), 앤트로픽 클로드 소넷4.5(74.6점), 중국 알리바바 큐원3 235B(77.0점)를 앞선 점수다.

코딩 성능 대표 지표인 라이브코드벤치 v6에서는 81.4점으로 구글의 최신 모델 젬마4(80점)를 넘어섰다. 복잡한 차트를 분석하고 추론하는 능력을 평가하는 차트QA 프로에서는 62.2점으로 동급 모델과의 비교에서 글로벌 경쟁력을 입증했다. LG AI연구원은 "시각 능력 평가 지표에서 높은 평균 점수를 기록했다는 것은 AI가 문서 속 글자나 비정형 데이터를 단순히 인식하는 수준을 넘어 맥락을 파악하고 질문에 답할 수 있는 이해력을 갖췄다는 의미"라고 설명했다.

엑사원 4.5는 효율성 측면에서도 주목할 만한 결과를 보였다. 330억개 파라미터 규모(33B)로 지난해 말 공개한 'K-엑사원'의 약 7분의 1 크기이지만, 텍스트 이해 및 추론 영역에서 동등한 수준의 성능을 달성했다. 이는 LG AI연구원이 자체 개발한 하이브리드 어텐션 구조와 멀티 토큰 예측 기반의 고속 추론 기술을 적용한 결과다. LG AI연구원은 한국어와 영어 외 스페인어, 독일어, 일본어, 베트남어까지 공식 지원 언어를 확장했다.

이날 LG AI연구원은 엑사원 4.5를 글로벌 오픈소스 플랫폼 허깅페이스에 연구·학술·교육 목적으로 사용할 수 있도록 공개했다. 이진식 LG AI연구원 엑사원랩장은 "이번 모델을 시작으로 음성과 영상, 물리 환경까지 AI의 이해 범위를 확장해 산업 현장에서 실질적으로 판단하고 행동하는 AI를 만들어가겠다"고 말했다.