K2 Horizon IFM Membuka Lebih dari Bobot Model AI

Pada 3 September 2026, Institute of Foundation Models (IFM)—lembaga yang berafiliasi dengan Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) di Abu Dhabi—memperkenalkan K2 Horizon. Ini adalah satu keluarga yang terdiri atas enam model fondasi AI: 0.9B, 3.7B, 7B, 32B, 36B-A4B, dan 375B-A23B. Model serta kodenya dirilis dengan lisensi Apache 2.0. 29

Hal yang membedakan K2 Horizon bukan hanya fakta bahwa modelnya dapat diunduh. IFM menyatakan rilis ini membuka jauh lebih banyak catatan pengembangan dibandingkan rilis open weights biasa, agar proses pembuatan model bisa ditelusuri, diperiksa, dan dicoba ulang oleh pihak luar.

Apa saja yang dibuka IFM?

Untuk setiap model, IFM menyebut membuka materi sepanjang siklus pelatihan, dari prapelatihan hingga pelatihan pasca-model untuk penalaran dan tugas agen AI. Materi tersebut mencakup:

• data pelatihan atau resep konstruksi data yang terperinci;
• arsitektur terbuka dan komposisi mixture-of-experts;
• kode pelatihan dan konfigurasi;
• checkpoint perantara serta log pelatihan terperinci;
• hasil evaluasi; dan
• bobot model akhir. 9

Reuters juga melaporkan bahwa paket tersebut mencakup bobot model, data pelatihan, kode, metodologi, dan checkpoint perantara. Dengan begitu, peneliti dapat menelusuri proses pengembangan model dan mereproduksi hasilnya. 2

Ada catatan penting: IFM menyebut akan menyediakan data pelatihan atau resep pembuatannya. Artinya, tidak semua set data harus selalu didistribusikan dalam bentuk utuh, misalnya bila ada batasan lisensi atau redistribusi data. 9

Bedanya dengan model open weights

Model open weights menyediakan parameter hasil pembelajaran yang dibutuhkan untuk menjalankan atau menyesuaikan model. Namun, bobot saja tidak menjelaskan seluruh proses di baliknya—seperti komposisi dan prapemrosesan data, kode, konfigurasi pelatihan, keadaan model di tahap menengah, hingga prosedur pelatihan pasca-model.

K2 Horizon, menurut IFM, membuka lapisan-lapisan tambahan itu. Secara praktis, tim independen berpeluang memeriksa bagaimana sebuah hasil diperoleh, mencoba mengulangi tahap pelatihan, menguji klaim teknis, lalu mengadaptasi pekerjaan tersebut untuk riset atau penerapan lain. 29

Inilah inti perbedaan yang dimaksud pendiri IFM, Eric Xing, ketika ia mengatakan bahwa keterbukaan seharusnya memungkinkan pihak lain untuk “melihat data, mengikuti metode, mereproduksi hasil, dan memperbaikinya.” 1

Transparansi sebagai spektrum

Perbandingan antara model terbuka dan tertutup lebih tepat dipahami sebagai spektrum tingkat pengungkapan, bukan sekadar label.

• Open weights: Pengembang dapat menyediakan model untuk diunduh, tetapi hanya mengungkap informasi terbatas mengenai asal-usul atau keseluruhan proses pelatihannya. Reuters menyebut rilis IFM ini sebagai kontras terhadap tren industri AI yang makin tertutup. 2
• Pendekatan K2 Horizon: IFM menyatakan turut membuka data atau resep konstruksi data, kode, konfigurasi, checkpoint, log, dan evaluasi—bukan hanya bobot model. 9
• Akses layanan tertutup: Model proprietary terkemuka umumnya disediakan melalui produk yang di-hosting atau API, bukan dengan seluruh siklus pengembangan yang tersedia untuk umum. Sumber yang tersedia di sini tidak cukup untuk membandingkan secara rinci perusahaan tertentu, sehingga klaim spesifik soal pengembang AI China, OpenAI, atau Anthropic perlu diperlakukan hati-hati.

Perbedaan praktisnya adalah verifikasi. Pengguna masih dapat menguji perilaku sebuah model open weights, tetapi rilis yang lebih lengkap memberi peneliti lebih banyak bukti untuk memeriksa proses yang menghasilkan perilaku tersebut.

Targetnya: sains yang bisa direproduksi

Xing mengatakan kepada Reuters bahwa IFM ingin menetapkan acuan mengenai seperti apa rilis model yang benar-benar terbuka. 2 Tujuannya adalah sains yang dapat direproduksi, bukan sekadar menerima sebuah checkpoint final yang proses pembuatannya tidak terlihat.

Keterbukaan semacam ini juga berpotensi berguna di luar dunia riset. Pembuat kebijakan, regulator, dan kelompok advokasi kepentingan publik dapat memiliki materi lebih banyak untuk menelaah klaim tentang kemampuan, metode, dan risiko model, alih-alih hanya mengandalkan ringkasan dari pengembangnya. 2

IFM juga berpendapat bahwa keterbukaan tidak harus mengorbankan kemampuan. Dalam materi peluncurannya, IFM memosisikan K2 Horizon untuk penalaran, matematika, pemrograman, penggunaan alat, dan tugas agen AI. Klaim performa tersebut berasal dari IFM dan belum merupakan validasi independen. 19

Enam ukuran, dari wearable hingga server

K2 Horizon mencakup model kecil untuk perangkat dengan sumber daya terbatas sampai model mixture-of-experts besar untuk beban kerja yang menuntut.

Model	Penggunaan yang dijelaskan IFM
0.9B	Perangkat edge dengan sumber daya terbatas, termasuk wearable seperti jam tangan dan kacamata pintar. 1
3.7B	Penggunaan di perangkat dan berorientasi ponsel. 1
7B	Penggunaan di perangkat, dengan penekanan pada rekayasa perangkat lunak dan riset yang lebih mendalam. 1
32B	Hosting lokal, termasuk laptop, workstation, dan server di lokasi sendiri (on-premise). 1
36B-A4B	Model sparse untuk penerapan lokal dan on-premise. 19
375B-A23B	Model andalan untuk penalaran, riset, rekayasa perangkat lunak, dan tugas agen AI jangka lebih panjang yang berat. 19

IFM menyatakan arsitektur, antarmuka, perangkat bantu, dan pendekatan routing yang seragam dirancang agar pengembang dapat berpindah dari model kecil ke model lebih besar tanpa mengubah alur kerja penerapan. 1

Arti peluncuran ini bagi ambisi AI Uni Emirat Arab

Rilis tersebut mendukung ambisi Uni Emirat Arab (UEA) untuk mengambil peran lebih besar dalam AI mutakhir. IFM diluncurkan oleh MBZUAI, dan K2 Horizon memberi institusi itu keluarga model fondasi yang dapat digunakan secara global, dengan artefak pengembangan yang ditujukan untuk diakses peneliti serta pengembang di luar Abu Dhabi. 12

Apakah K2 Horizon akan menjadi standar keterbukaan AI yang bertahan lama masih bergantung pada seberapa mudah materialnya digunakan serta apakah tim eksternal benar-benar dapat mereproduksi dan mengembangkannya. Namun, pesan IFM cukup jelas: keterbukaan dalam AI seharusnya berarti lebih dari sekadar bisa mengunduh model jadi. 29