SKT正凭借自研基础模型A.X K2加码工业级AI市场。公司表示，A.X K2不再局限于“回答问题”，而是能够理解长上下文、调用外部工具并完成任务，向“执行型AI”迈进。

SKT基础模型负责人Kim Taeyoon在SKT Newsroom发布的采访内容中表示，A.X K2最显著的变化，在于重心已从“回答型AI”转向“可自主规划并执行任务的AI”。他同时介绍了该模型的核心特性及产业化落地计划。

A.X K2是一款参数规模达6880亿的超大规模语言模型。与上一代A.X K1相比，新模型重点强化了数学和科学推理、韩语知识、长文本处理以及AI Agent能力。

从测试结果看，A.X K2在国内外14项基准测试中的平均成绩较上一代提升32.2个百分点；在长文本处理和AI Agent相关评测中，提升幅度约为83.9个百分点。

其中，在高难度数学基准Apex中，A.X K2得分由A.X K1的1.0提升至45.8；在AIME26中得分97.1。韩语知识评测KMMLU-Pro得分为80.5，韩国文化理解评测CLIcK得分为91.6。

在扩大模型整体规模的同时，A.X K2将推理时实际激活参数控制在330亿。SKT表示，这样做是为了在提升推理能力的同时，尽可能降低真实服务场景下的算力成本。

Kim Taeyoon将性能提升归因于高质量数据、自主模型架构以及多阶段强化学习。按照他的说法，SKT并非单纯堆高训练量，而是通过筛选、清洗覆盖多领域专业知识的数据，进一步增强模型推理能力。

SKT自研的稀疏门控注意力（SGA）也是A.X K2的关键技术之一，主要面向多轮对话、工具调用和长文档引用并存的AI Agent场景，强调上下文处理的速度与稳定性。

SKT称，当输入长度超过3.2万token后，SGA在吞吐量和时延上的优势开始显现。在12万token输入场景下，A.X K2的总Token吞吐量较A.X K1提升67.7%。这意味着在长时间对话、以及多份会议纪要和报告分析等任务中，模型的响应速度和服务稳定性都将得到提升。

除基础模型外，SKT还推出了图像和语音方向的衍生模型。其中，视觉语言模型A.X K2 VL Light Preview采用自研视觉编码器，可对制造图纸、文档和图表进行分析，并完成结构化处理。

在语音方面，SKT推出了自研音频语言模型A.X K2 ALM，以及与Krafton联合开发的A.X K2 Raon Speech。SKT的思路是，由大模型承担高难度推理任务，轻量模型则负责工业现场更细粒度的任务处理。

在制造业落地方面，SKT将与钢铁企业KG Steel和汽车零部件企业Konex开展制造业专用AI Agent验证。该模型在学习产线历史不良案例后，可在问题发生后分析原因并提出处置方案。

与此同时，SK hynix内部AI工具“LLM Chat”也将接入轻量模型，用于半导体相关知识检索和信息整理等场景。

对于国防和公共等对安全要求较高的领域，SKT计划采用与外部网络隔离的本地部署环境。机构和企业的敏感数据不会外传，也不会纳入通用模型训练，而是通过内网完成定制化训练。

SKT此前已向韩国国防部提供A.X K1轻量化版本，并计划进一步推动A.X K2在相关场景落地。与此同时，公司也在推进将音频语言模型用于实时识别语音诈骗、拦截钓鱼攻击等安全服务场景。

开源方面，SKT将以Apache 2.0许可证公开A.X K2的模型权重和推理代码。公司表示，将延续免费许可政策，允许开发者和初创企业进行商业化使用，并提供API及模型优化支持。

按规划，SKT后续将把模型扩展至“万亿级参数”规模，进一步加强Agent强化学习和网络安全能力，并与Seoul National University、KAIST、Krafton等机构共同研究下一代模型架构。与Rebellions方面，则将推进基于国产NPU的模型运行及商用服务验证。

Kim Taeyoon表示，A.X K2兼具对韩语和韩国本土产业场景的理解能力，同时强调数据主权、安全性与开放性。SKT将继续推动其从“回答型AI”走向“执行型AI”，并在产业现场和日常生活中提供可感知的价值。