IFM ‘K2 Horizon’의 핵심은 가중치만이 아니다…데이터·코드·학습 기록까지 공개

IFM(Institute of Foundation Models)은 아부다비의 모하메드 빈 자이드 인공지능대학교(MBZUAI) 산하 연구기관으로, 2026년 9월 3일 K2 Horizon을 공개했다. 이는 9억(0.9B)~3750억(375B) 파라미터를 아우르는 6개 AI 기반 모델군이며, 모델과 코드는 Apache 2.0 라이선스로 배포된다. 29

이번 발표의 요점은 단순히 모델 가중치(weights)를 다운로드할 수 있게 했다는 데 있지 않다. IFM은 모델 개발 전 과정을 더 폭넓게 공개해, 외부 연구자와 개발자가 제작 과정을 살펴보고 결과를 재현할 수 있도록 하겠다고 밝혔다.

K2 Horizon에 포함되는 자료

IFM은 각 모델에 대해 사전학습부터 추론·에이전트형 후속 학습까지의 개발 생애주기 자료를 공개한다고 설명한다. 공개 대상에는 다음이 포함된다.

• 학습 데이터 또는 상세한 데이터 구축 레시피
• 공개 아키텍처와 혼합 구성
• 학습 코드 및 설정값
• 중간 체크포인트와 세부 학습 로그
• 평가 결과
• 최종 모델 가중치 9

로이터도 가중치, 학습 데이터, 코드, 방법론, 중간 체크포인트가 패키지에 포함돼 연구자들이 개발 과정을 되짚고 결과를 재현할 수 있다고 보도했다. 2

다만 중요한 단서가 있다. IFM의 표현은 모든 학습 데이터를 항상 원본 그대로 재배포한다는 뜻이 아니라, 학습 데이터 또는 데이터 구축 레시피를 제공한다는 것이다. 데이터 라이선스나 재배포 제한이 있는 경우에는 전체 데이터셋 대신 재현 가능한 구성 방법이 제공될 수 있다. 9

‘오픈 웨이트’와 무엇이 다른가

오픈 웨이트 모델은 학습을 거쳐 얻은 파라미터를 공개해 사용자가 모델을 실행하거나 추가 학습할 수 있게 한다. 그러나 가중치만으로는 해당 모델이 만들어진 전 과정까지 알기 어렵다. 어떤 데이터가 어떤 비율로 쓰였는지, 전처리를 어떻게 했는지, 학습 코드와 설정은 무엇인지, 중간 모델 상태와 후속 학습 절차는 어떠했는지 등이 빠질 수 있다.

K2 Horizon은 바로 이 지점을 더 공개하겠다는 접근이다. 외부 팀은 결과가 나온 경로를 점검하고, 학습 단계의 재현을 시도하며, 기술적 주장을 검증하거나 연구·배포 목적에 맞게 작업을 확장할 수 있다. 29

에릭 싱 IFM 창립자가 말한 “데이터를 보고, 방법을 따라가고, 결과를 재현하고, 그 위에서 개선할 수 있어야 한다”는 취지도 이 차이를 가리킨다. 1

공개 수준은 이분법이 아니라 스펙트럼

AI 모델의 공개 방식을 단순히 ‘오픈소스’ 또는 ‘비공개’로 나누기보다는, 무엇을 어디까지 공개하는지의 연속선으로 보는 편이 정확하다.

• 오픈 웨이트: 모델 파일은 내려받을 수 있어도, 출처나 전체 학습 과정에 관한 정보는 제한적일 수 있다. 로이터는 IFM의 발표가 점점 더 비밀주의적으로 흐르는 AI 업계의 흐름에 대한 대안으로 제시됐다고 전했다. 2
• K2 Horizon의 ‘완전 공개’ 접근: IFM은 가중치 외에 데이터 또는 데이터 구축 레시피, 코드, 설정, 체크포인트, 로그, 평가 자료까지 공개한다고 밝혔다. 9
• 폐쇄형 서비스 접근: 주요 독점 모델은 대체로 완전한 개발 기록을 공개하는 대신, 호스팅 서비스나 API를 통해 제공된다. 제공된 자료만으로 중국 개발사, OpenAI, Anthropic의 방식을 회사별로 상세 비교하기에는 근거가 충분하지 않으므로 주의가 필요하다.

실무적으로 가장 큰 차이는 검증 가능성이다. 오픈 웨이트 모델도 실제 동작을 시험할 수 있지만, 더 많은 개발 산출물이 함께 공개되면 그 동작이 어떤 과정을 거쳐 나왔는지까지 검토할 근거가 늘어난다.

재현성·감독과 성능 주장의 접점

싱은 로이터에 이번 공개가 진정한 공개형 모델 배포의 기준점을 세우기 위한 것이라고 말했다. 2 IFM이 내세우는 목표는 불투명한 최종 체크포인트를 신뢰하는 데 머무르지 않고, 재현 가능한 과학을 지향하는 것이다.

이런 투명성은 연구 밖에서도 의미를 가질 수 있다. 더 충실한 산출물이 공개되면 정책 입안자, 규제기관, 공익 단체는 개발사가 요약해 제시한 설명에만 의존하지 않고 모델의 역량·방법·위험에 관한 주장을 검토할 자료를 확보할 수 있다. 2

IFM은 공개성이 곧 성능 저하를 뜻하지는 않는다고 주장한다. 출시 자료에서 K2 Horizon은 추론, 수학, 코딩, 도구 사용, 에이전트형 작업을 겨냥하며, 6개 모델을 연결된 하나의 제품군으로 제시한다. 다만 이는 IFM의 성능 주장으로, 독립 검증 결과와는 구분해서 볼 필요가 있다. 19

기기부터 온프레미스 서버까지, 6개 모델의 역할

K2 Horizon은 제한된 하드웨어용 소형 모델부터 대규모 MoE(전문가 혼합) 플래그십까지 구성된다.

모델	IFM이 설명한 주요 활용처
0.9B	시계·스마트 글래스 등 자원이 제한된 엣지 기기. 1
3.7B	기기 내 처리와 스마트폰 중심 활용. 1
7B	온디바이스 활용, 특히 소프트웨어 엔지니어링 및 더 깊은 리서치 작업. 1
32B	노트북, 워크스테이션, 온프레미스 서버를 포함한 로컬 호스팅. 1
36B-A4B	로컬·온프레미스 배포를 위한 희소(sparse) 모델. 19
375B-A23B	고난도 추론, 리서치, 소프트웨어 엔지니어링, 장기 범위의 에이전트형 작업을 위한 플래그십. 19

IFM은 공통 아키텍처, 인터페이스, 도구, 라우팅 방식을 통해 개발자가 배포 워크플로를 크게 바꾸지 않고 소형 모델에서 대형 모델로 확장할 수 있도록 설계했다고 밝혔다. 1

UAE의 AI 허브 전략에서 갖는 의미

이번 출시는 UAE가 첨단 AI 분야에서 역할을 넓히려는 목표와 맞닿아 있다. MBZUAI가 출범시킨 IFM은 K2 Horizon을 통해 아부다비 밖의 연구자와 개발자도 활용할 수 있는 기반 모델 제품군과 개발 산출물을 제시했다. 12

이 공개 방식이 AI 개방성의 지속적인 기준으로 자리 잡을지는 별개의 문제다. 실제 자료가 얼마나 사용하기 쉬운지, 외부 팀이 학습 과정을 독립적으로 재현하고 확장할 수 있는지가 관건이 될 것이다. 다만 K2 Horizon이 던지는 메시지는 분명하다. AI에서 ‘공개’란 완성된 모델 파일을 받을 수 있다는 것 이상이어야 한다는 주장이다. 29