SK Telecom gjør suveren AI mer konkret med A.X K2

SK Telecom har lansert A.X K2, en ny koreansk foundation-modell som er mer interessant enn nok en stor parameteroverskrift. Modellen er lagt ut på Hugging Face, kommer fra SK Telecoms eget A.X-løp og posisjoneres eksplisitt som en del av Koreas suverene AI-satsing.

Tallene er store: 688 milliarder totale parametere, 33 milliarder aktive per token, Mixture-of-Experts-arkitektur, 256K kontekst, native FP8-trening og Apache-2.0-lisens for hovedmodellen. Men det viktige for ledere er ikke bare størrelsen. Det viktige er at SKT kobler modellen direkte til industri, forsvar, bioteknologi, enterprise-agenter og offentlig AI-politikk. Dette er ikke en labdemo uten landingsplass. Det er en modellslipp pakket som nasjonal digital infrastruktur.

For nordiske CIO-er og CISO-er er A.X K2 derfor et godt signal på hvor markedet går: flere land og store industriselskaper kommer til å bygge egne modellfamilier for språk, regulering, sikkerhet og drift. Ikke fordi alle skal slå OpenAI eller Anthropic på generell intelligens. Men fordi språk, dataopphold, kontroll med vekter, bransjespesifikke arbeidsflyter og offentlig sektor-krav blir strategiske nok til å forsvare egne stacker.

Hva SK Telecom faktisk har lansert

A.X K2 er etterfølgeren til A.X K1, som hadde 519 milliarder parametere. SKT sier K2 gir bedre matematisk og vitenskapelig resonnering, bedre koreansk kunnskap og bedre langkontekst-resonnering. I pressemeldingen hevder selskapet en gjennomsnittlig forbedring på 32,2 prosentpoeng over A.X K1 på 14 tester, og særlig sterk økning på langkontekst- og agentrelaterte evalueringer.

Modellkortet på Hugging Face fyller inn den tekniske siden. A.X K2 er en stor sparse MoE med 256 rutede eksperter og én delt ekspert, der åtte eksperter aktiveres per token. SKT bruker Sparse Gated Attention for å kutte unødvendig oppmerksomhetsarbeid i lange kontekster, og Gated Norm for mer stabil trening og bedre lavpresisjonskjøring. Modellen er trent fra bunnen av på omtrent 8,2 billioner tokens, med en blanding av webtekst, kode, akademiske tekster, STEM, Q&A, bøker og syntetiske data.

Det er også et praktisk kostsignal her. FP8-vektene reduserer minnefotavtrykket sammenlignet med BF16, men dette er fortsatt en tung modell. Dette er ikke en "last ned og kjør på laptopen"-lansering. For de fleste virksomheter betyr A.X K2 enten sky, spesialisert infrastruktur, modellpartner eller en lettere variant. Verdien ligger likevel i at vektene og dokumentasjonen gjør modellen etterprøvbar og mulig å bygge rundt, ikke bare konsumere via et lukket API.

Hvorfor dette er lederrelevant

A.X K2 treffer tre temaer som nå havner i styrerommet.

Først: suveren AI går fra slagord til produkt. SKT sier selv at modellen er del av den koreanske statens Sovereign AI Foundation Model Project. Det gjør A.X K2 til mer enn en teknologinyhet. Den er et datapunkt i et globalt kappløp der nasjoner, telkoer, halvledermiljøer og store industrikonsern forsøker å sikre lokal AI-kapasitet.

For det andre: åpne vekter blir et enterprise-spørsmål, ikke bare et community-spørsmål. Apache-2.0 gjør modellen kommersielt interessant, men lisens er bare første filter. En CIO må fortsatt spørre: hvem drifter dette, hvor ligger dataene, hvilke evaluer er relevante for våre språk og prosesser, og hvordan kontrollerer vi sikkerhet rundt agentbruk? Åpen modell uten styringsmodell er bare en dyr sandbox.

For det tredje: agent- og langkontekst-ytelse blir mer bransjespesifikk. SKT peker på manufacturing-agenter hos KG Steel og KONEC, forsvarsmodeller med Sør-Koreas forsvarsdepartement, A. Biz for enterprise-produktivitet og intern bruk hos SK hynix. Det er en mer konkret historie enn generelle chatbot-forbedringer. Modellen selges inn som et operativt lag for industriell beslutningsstøtte, dokumentarbeid, rapportering og spesialisert prosesskunnskap.

Hva som bør tas med en klype salt

Som alltid: lab- og leverandørevaluer er ikke innkjøpsbevis. SKT viser sterke tall på blant annet AIME26, koreanske benchmarker, langkontekst og agentiske tester, men virksomheter bør vente på uavhengige målinger før modellen vurderes som reelt alternativ til de beste globale modellene. Det gjelder særlig for kode, flerspråklig nordisk bruk, sikkerhetsoppgaver og robuste agentløp i produksjon.

Det er også verdt å skille mellom hovedmodellen og derivatene. A.X K2 er en tekstmodell med åpne vekter. SKT viser også en visjon-/språkmodell, en audio language model og Raon-Speech, men tilgjengelighet og lisens varierer. A.X K2 ALM-modellkortet sier for eksempel at vektene er planlagt offentlig senere, ikke at alt er klart i dag.

Konsekvensen

A.X K2 er neppe modellen norske virksomheter flest skrur på i morgen. Men den er et tydelig tegn på at AI-markedet blir mer regionalt, mer sektorstyrt og mer infrastrukturpreget. Den neste modne AI-strategien handler ikke bare om hvilken chatbot som scorer høyest denne uken. Den handler om hvilke modellfamilier virksomheten tør å bygge prosesser, sikkerhet og kompetanse rundt.

For ledelsen er den praktiske oppgaven enkel: følg med på åpne, suverene og bransjespesifikke modellslipp, men behandle dem som infrastrukturvalg. Test på egne språk, egne dokumenter, egne risikoscenarioer og egne agentløp. Hvis modellen ikke kan måles i din virkelighet, er parameterantallet bare markedsføring med ekstra nuller.

Kilder og medier

Primærkilde: SK Telecom – https://www.sktelecom.com/en/press/press_detail.do?idx=1673

Modellkort: https://huggingface.co/skt/A.X-K2

Supplerende dekning: https://www.ajupress.com/view/20260729095170371

Thumbnail: OpenAI Image 2 / hogby.ai