@IFM_AI:推出 K2 Horizon:一个由六个基础模型组成的互联舰队,参数范围从0.9亿到375亿。…
摘要
IFM AI 推出 K2 Horizon,一个完全开源的六个基础模型舰队,参数从0.9B到375B,在编码和智能体任务中声称具有前沿性能。此次发布被誉为AI历史上最大的完全开源模型发布,具有完全的透明度和对训练数据与代码的开放访问。
查看缓存全文
缓存时间: 2026/09/03 22:11
介绍 K2 Horizon:包含六个基础模型的互联舰队,参数规模从 0.9 亿到 3750 亿不等
- 前沿性能:在编程和智能体任务中,K2 Horizon 在每个规模级别都提供了顶级性能——其中 0.9B、3.7B 和 7B 模型在其各自的规模上树立了新的技术标杆。
- 极致开放:K2 Horizon 代表了 AI 历史上规模最大的完全开源模型发布。完全开源的代码、训练数据和方法是透明度方面的重要进步。
发布页面:https://ifm.ai/k2/
技术博客:https://ifm.ai/blog/k2
Hugging Face:https://huggingface.co/collections/IFM/k2-horizon…
K2 Horizon:适用于所有规模的开源 AI 模型 | IFM
来源:https://ifm.ai/k2/
K2 Horizon 前沿性能。极致开放。
认识 K2 Horizon:AI 历史上规模最大的完全开源模型发布,涵盖六个模型,让您在能力、规模和部署选项上有更多选择,并开放访问训练代码和数据。
我们面向企业级的旗舰模型,旨在编程和智能体工作负载上与领先的开源权重模型竞争。
立即试用 (https://ifm.ai/k2/#get-started)
我们的最新 K2 代为研究人员和构建者提供了可靠、长上下文、智能体应用所需的合适基础,具有模型训练和评估的完全可见性、先进的智能体能力以及高效的单任务成本。
- 技术博客 (https://ifm.ai/blog/k2)
- 新闻稿 (https://ifm.ai/k2/press-release/)
全面均衡的能力
-
智能体任务与复杂问题解决 在编程和智能体任务中,K2 Horizon 在每个规模级别都提供了顶级性能。
-
完全开放,便于定制 对于每个模型,我们都发布了最终权重、训练代码、检查点以及数据构建方法或训练数据,以便您可以检查、复现、微调和扩展。
-
一个互联的舰队 这些模型共享核心架构决策、训练方法和部署工具。这种一致性使得在不同规模间切换、在舰队中路由工作负载以及跨规模研究能力与效率变得更加容易。
K2 Horizon 性能评估
K2 Horizon 在十二项评估中的基准测试结果,将 Horizon 模型与领先的开源和闭源模型进行比较。
透明框架,而非黑箱
可验证的 AI 需要超越开源权重。我们提供关于训练代码、训练数据构成和评估的细粒度透明度。查看 K2 Horizon 是如何构建的,复现它,然后修改它。
开始构建
构建
应对日常用例
跨行业解锁未来突破
K2 不是轻松的巅峰。它是证明可能性所在。
- Amber 2023年12月
- K2 V2 2025年12月
- K2 Think 2026年1月
- K2 Horizon 2026年9月
K2 是 IFM 使命的关键组成部分,旨在使基础 AI 成为共享资源。我们发布一些世界上最透明的模型,以便研究人员和构建者能够在此基础上推进。
相似文章
@svpino: 这对任何希望看到开源模型成功的人来说意义重大!这是我第一次看到开源模型发布检查点级别的…
该帖子强调了K2 Horizon的发布,这是一套由六个开源基础模型组成的互联系列,参数从0.9B到375B,提供检查点级别的日志、训练代码和评估,标志着开源AI发展的重大一步。
新的k2 horizon模型似乎是性能怪兽
k2 horizon AI模型,尤其是7B版本,因其在尺寸更小的情况下性能优于muse glimmer而受到赞誉,且完全开源。如果基准测试准确,这可能树立新的标准。
发布 K2 Horizon:前沿性能,彻底开放
K2 Horizon 作为一款高性能、彻底开放的 AI 模型或技术发布,旨在推动其领域的性能进步。
K2-Horizon 的量化版本现已可用
K2-Horizon AI 模型系列的量化版本现已可在 Hugging Face 上下载,支持从 0.9B 到 36B 参数的多种尺寸。但 llama.cpp 的支持仍在进行中,需要使用分支版本。
IFM/K2-Horizon-MoVA-36B-A4B-GGUF · Hugging Face
这是K2-Horizon-MoVA-36B-A4B模型的GGUF版本,一个具有36B总参数和每令牌4B活动参数的混合专家AI模型,针对llama.cpp使用进行了优化。它在代理和推理基准测试中展示了前沿级别的性能,与更大和封闭的模型竞争。