模型發布
IFM 開源發布 K2 Horizon 系列六款模型,涵蓋 0.9B 至 375B 規模並公開完整訓練生命週期
Hacker News單一來源
尚未逐項核實
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據報導,IFM 宣布推出開源模型家族 K2 Horizon,包含 375B-A23B、36B-A4B、32B、7B、3.7B 與 0.9B 共六款模型,涵蓋邊緣裝置到企業級部署需求。
該系列主打全面開源並採 Apache 2.0 授權,首度公開從預訓練、推理到代理後訓練(agentic post-training)的完整生命週期,釋出中間檢查點、訓練資料配方、架構、混合比例、訓練程式碼與日誌。
在架構方面,最大規模的 375B-A23B 採稀疏 MoE 架構,總參數 3750 億、活躍參數 230 億;36B-A4B 則導入全新的價值注意力混合(MoVA)機制,以提升單位活躍參數的效能。
效能表現上,官方指出 0.9B、3.7B 與 7B 模型在同級規模中達到 SOTA。其中 0.9B 模型在 AIME 2026 取得 48 分以上;3.7B 與 7B 則在 SWE-bench 與 BrowseComp 展現強大的軟體工程與多步驟代理能力。全系列六款模型共享核心架構、詞表與訓練方法,並皆支援量化部署。
讀原始報導社群討論
社群高度肯定 K2 走向包含訓練資料的「完全開源」路線(儘管目前開源庫仍為空),認為這凸顯了開源模型的重要性。效能方面引發兩極討論:7B 模型在 SWE-bench-verified 拿下 70.6 分(微幅超越 Qwen3.6-35b-a3b 的 70.0 分),讓 8GB VRAM 本機寫程式成為可能;但實測 3.7B 模型卻出現嚴重幻覺,且眾人質疑其跑分比較標準不一,32B 與 36B 模型的表現也明顯落後於 Qwen 3.8 27B。
相關主題