K2 Horizon går lenger enn «åpne vekter» med seks KI-modeller

Institute of Foundation Models (IFM), som er tilknyttet Mohamed bin Zayed University of Artificial Intelligence i Abu Dhabi, lanserte K2 Horizon 3. september 2026. Familien består av seks KI-grunnmodeller med 0,9B, 3,7B, 7B, 32B, 36B-A4B og 375B-A23B parametere. Modellene og koden er utgitt under Apache 2.0-lisensen. 29

Det sentrale med lanseringen er ikke bare at modellene kan lastes ned. IFM sier at de også åpner langt mer av dokumentasjonen bak modellutviklingen enn det som normalt følger med en utgivelse av «åpne vekter».

Dette følger med K2 Horizon

IFM oppgir at de for hver modell publiserer materiale fra hele treningsløpet – fra forhåndstrening til ettertrening for resonnering og agentbaserte oppgaver. Pakken omfatter:

• treningsdata eller detaljerte oppskrifter for hvordan dataene er konstruert;
• åpen arkitektur og informasjon om blandingen av modelleksperter;
• treningskode og konfigurasjoner;
• mellomliggende sjekkpunkter og detaljerte treningslogger;
• evalueringsresultater; og
• endelige modellvekter. 9

Reuters rapporterte tilsvarende at utgivelsen inneholder vekter, treningsdata, kode, metoder og mellomliggende sjekkpunkter. Det skal gjøre det mulig for forskere å følge utviklingsprosessen tilbake og forsøke å gjenskape resultatene. 2

Det er likevel en viktig reservasjon: IFM sier at de gir ut treningsdata eller oppskrifter for datakonstruksjon. Det betyr ikke nødvendigvis at hvert enkelt datasett kan distribueres i sin helhet, blant annet der lisenser eller andre begrensninger setter grenser. 9

Mer enn bare åpne vekter

Når en modell har åpne vekter, kan utviklere laste ned de lærte parameterne og bruke eller tilpasse modellen. Vektene alene forklarer imidlertid ikke fullt ut hvordan modellen ble til: Datagrunnlag, databehandling, kode, treningsinnstillinger, mellomliggende modellversjoner og ettertreningsmetoder kan fortsatt være utilgjengelige.

K2 Horizons uttalte ambisjon er å synliggjøre også disse lagene. I praksis kan det gi eksterne fagmiljøer bedre mulighet til å kontrollere hvordan et resultat er oppnådd, gjenta deler av treningen, etterprøve tekniske påstander og bygge videre på arbeidet. 29

Det er denne forskjellen IFM-grunnlegger Eric Xing peker på når han sier at åpenhet bør gjøre det mulig å «se dataene, følge metoden, gjenskape resultatet og forbedre det». 1

Åpenhet som en skala

Forskjellen mellom K2 Horizon, åpne vekter og lukkede modeller handler best om hvor mye av utviklingsløpet som faktisk blir tilgjengelig.

• Åpne vekter: En modell kan være tilgjengelig for nedlasting, samtidig som informasjonen om opprinnelse og full treningsprosess er begrenset. Reuters beskrev IFMs utgivelse som en kontrast til en KI-bransje som blir stadig mer lukket. 2
• K2 Horizons tilnærming: IFM oppgir at de publiserer vektene sammen med data eller dataoppskrifter, kode, konfigurasjoner, sjekkpunkter, logger og evalueringer. 9
• Lukkede tjenester: Ledende proprietære modeller tilbys ofte gjennom skybaserte tjenester eller API-er, uten at hele utviklingsforløpet publiseres. Kildene her gir ikke grunnlag for en detaljert sammenligning selskap for selskap med kinesiske utviklere, OpenAI eller Anthropic.

Den praktiske forskjellen er etterprøvbarhet. Med åpne vekter kan brukere teste hvordan en modell oppfører seg. Med en mer omfattende utgivelse får forskere også langt mer materiale til å undersøke hvorfor modellen oppfører seg slik.

Reproduserbarhet, tilsyn og ytelse

Xing sa til Reuters at IFM ønsker å etablere en referanse for hvordan en virkelig åpen modellutgivelse kan se ut. 2 Målet er, ifølge IFM, reproduserbar vitenskap fremfor at brukere må stole på et endelig, ugjennomsiktig modellpunkt.

En mer komplett dokumentasjon kan også være relevant utenfor forskningen. Politikere, tilsynsmyndigheter og aktører som arbeider i allmennhetens interesse kan få bedre grunnlag for å vurdere påstander om modellkapasitet, metodevalg og risiko, i stedet for bare å måtte lene seg på utviklerens egne oppsummeringer. 2

IFM argumenterer samtidig for at åpenhet ikke trenger å bety svakere modeller. I lanseringsmaterialet beskrives K2 Horizon som en familie for resonnering, matematikk, koding, verktøybruk og agentbaserte oppgaver. Dette er IFMs egne ytelsespåstander, ikke uavhengig validering. 19

Seks modellstørrelser, fra enheter til servere

K2 Horizon spenner fra små modeller for maskinvare med begrensede ressurser til en stor flaggskipmodell med blanding-av-eksperter-arkitektur.

Modell	Bruksområde slik IFM beskriver det
0,9B	Ressursbegrensede kantenheter, blant annet bærbare enheter som klokker og smarte briller. 1
3,7B	Bruk direkte på enheten, særlig telefonorienterte oppgaver. 1
7B	Lokal bruk på enheten, med vekt på programvareutvikling og mer krevende forskningsoppgaver. 1
32B	Lokal drift på bærbare og stasjonære maskiner samt interne servere. 1
36B-A4B	En sparsom modell for lokale og interne installasjoner. 19
375B-A23B	Flaggskipet for krevende resonnering, forskning, programvareutvikling og agentoppgaver med lengre tidshorisont. 19

IFM sier at felles arkitektur, grensesnitt, verktøy og ruting skal gjøre det mulig å gå fra mindre til større modeller uten å endre hele arbeidsflyten for utrulling. 1

Del av Emiratenes KI-satsing

Lanseringen støtter De forente arabiske emiraters ambisjon om en større rolle innen avansert KI. IFM ble opprettet av MBZUAI, og K2 Horizon gir institusjonen en modellfamilie som kan brukes globalt, samtidig som utviklingsmaterialet er ment å være tilgjengelig for forskere og utviklere utenfor Abu Dhabi. 12

Om utgivelsen blir en varig standard for KI-åpenhet, avhenger av hvor anvendelige materialene viser seg å være – og om eksterne miljøer faktisk kan gjenskape og videreutvikle arbeidet. Men K2 Horizon fremmer et tydelig prinsipp: Åpenhet i KI bør bety mer enn at man kan laste ned en ferdig modell. 29