K2 Horizon di IFM: sei modelli AI davvero aperti, non solo nei pesi

Il 3 settembre 2026 l’Institute of Foundation Models (IFM), collegato alla Mohamed bin Zayed University of Artificial Intelligence di Abu Dhabi, ha presentato K2 Horizon: una famiglia coordinata di sei modelli di base per l’intelligenza artificiale. Le versioni sono 0.9B, 3.7B, 7B, 32B, 36B-A4B e 375B-A23B; modelli e codice sono distribuiti con licenza Apache 2.0. 29

Il punto non è solo poter scaricare i pesi del modello. IFM sostiene di aver aperto una parte molto più ampia del percorso di sviluppo, con l’obiettivo di rendere il lavoro verificabile e riproducibile.

Che cosa comprende il rilascio

Per ciascun modello, IFM dichiara di rendere disponibile materiale che copre il ciclo di addestramento, dal pretraining fino al post-addestramento per ragionamento e compiti agentici. Il pacchetto include:

• pesi finali del modello;
• dati di addestramento oppure ricette dettagliate per la loro costruzione;
• architettura aperta e composizioni mixture-of-experts;
• codice e configurazioni di addestramento;
• checkpoint intermedi e log di addestramento granulari;
• risultati delle valutazioni. 9

Reuters riferisce analogamente di pesi, dati di addestramento, codice, metodologie e checkpoint intermedi, elementi che permettono ai ricercatori di ricostruire il processo di sviluppo e tentare di riprodurne i risultati. 2

C’è però una precisazione importante: IFM parla di dati di addestramento o di ricette per costruirli. Non significa quindi necessariamente che ogni dataset venga ridistribuito integralmente, soprattutto dove licenze o vincoli di redistribuzione lo impediscono. 9

Perché è diverso dai soli «pesi aperti»

Un modello open-weight mette a disposizione i parametri appresi, utili per eseguire o adattare il sistema. Ma i pesi, da soli, non raccontano l’intera storia: composizione e trattamento dei dati, codice, configurazione dell’addestramento, stati intermedi del modello e procedure di post-addestramento possono restare non pubblici.

K2 Horizon punta invece a rendere visibili anche questi livelli. In pratica, gruppi indipendenti possono esaminare come sia stato ottenuto un risultato, provare a replicare le fasi dell’addestramento, verificare affermazioni tecniche e riutilizzare il lavoro per altri progetti di ricerca o distribuzione. 29

È la distinzione riassunta dal fondatore di IFM, Eric Xing: l’apertura dovrebbe consentire agli altri di «vedere i dati, seguire il metodo, riprodurre il risultato e migliorarlo». 1

Un confronto da leggere come gradiente di trasparenza

Più che una contrapposizione assoluta, la differenza riguarda quanto del processo venga effettivamente divulgato.

• Open weight: il modello può essere scaricabile, ma con informazioni limitate sulla sua provenienza e sull’intero processo di addestramento. Reuters ha descritto l’iniziativa di IFM come una risposta alla crescente riservatezza nello sviluppo dell’AI. 2
• Approccio di K2 Horizon: IFM dichiara di pubblicare, oltre ai pesi, dati o ricette di costruzione, codice, configurazioni, checkpoint, log e valutazioni. 9
• Accesso a servizi chiusi: i principali modelli proprietari sono spesso offerti tramite prodotti ospitati o API, senza la pubblicazione completa del ciclo di sviluppo. Le fonti disponibili non consentono un confronto dettagliato azienda per azienda con sviluppatori cinesi, OpenAI o Anthropic.

La differenza pratica è la possibilità di verifica: il comportamento di un modello open-weight può essere testato, ma una pubblicazione più completa offre molte più evidenze sul processo che ha generato quel comportamento.

Riproducibilità, controllo pubblico e prestazioni

Xing ha dichiarato a Reuters che IFM vuole fissare un riferimento per ciò che potrebbe essere una pubblicazione di modelli realmente aperta. 2 L’obiettivo dichiarato è una scienza riproducibile, anziché la fiducia in un checkpoint finale opaco.

Una documentazione più completa può essere utile anche oltre la ricerca: responsabili delle politiche pubbliche, autorità di regolazione e organizzazioni di interesse pubblico avrebbero più materiale per esaminare affermazioni su capacità, metodi e rischi dei modelli, invece di basarsi soltanto sulle sintesi dello sviluppatore. 2

IFM sostiene inoltre che apertura e capacità competitiva non siano incompatibili. Nei materiali di lancio posiziona K2 Horizon per ragionamento, matematica, programmazione, uso di strumenti e compiti agentici. Sono tuttavia affermazioni di prestazione di IFM, non una convalida indipendente. 19

Sei dimensioni, dal dispositivo indossabile al modello di punta

Modello	Impiego indicato da IFM
0.9B	Dispositivi edge con risorse limitate, inclusi wearable come orologi e occhiali smart. 1
3.7B	Uso sul dispositivo e orientato agli smartphone. 1
7B	Uso on-device, con attenzione a ingegneria del software e ricerca più approfondita. 1
32B	Hosting locale: laptop, workstation e server on-premise. 1
36B-A4B	Modello sparso per distribuzioni locali e on-premise. 19
375B-A23B	Modello di punta per ragionamento impegnativo, ricerca, ingegneria del software e lavoro agentico di più lunga durata. 19

Secondo IFM, architettura condivisa, interfacce, strumenti e approccio al routing dovrebbero consentire agli sviluppatori di passare dai modelli piccoli a quelli più grandi senza cambiare i flussi di distribuzione. 1

Il significato per gli Emirati Arabi Uniti

Il lancio si inserisce nell’ambizione degli Emirati Arabi Uniti di rafforzare il proprio ruolo nell’AI di frontiera. IFM è stato avviato da MBZUAI e, con K2 Horizon, mette a disposizione una famiglia di modelli utilizzabile a livello globale, con materiali di sviluppo pensati per ricercatori e sviluppatori anche fuori da Abu Dhabi. 12

Resta da vedere se il progetto diventerà uno standard durevole per l’apertura nell’AI: dipenderà dall’effettiva usabilità dei materiali pubblicati e dalla capacità di team esterni di riprodurre ed estendere il lavoro. La proposta di IFM è comunque netta: nell’intelligenza artificiale, «aperto» dovrebbe significare molto più che poter scaricare un modello già finito. 29