K2 Horizon od IFM: sześć modeli AI z kodem, danymi i pełnym zapisem treningu

IFM (Institute of Foundation Models), instytut powiązany z Mohamed bin Zayed University of Artificial Intelligence w Abu Zabi, zaprezentował K2 Horizon 3 września 2026 r. To spójna rodzina sześciu bazowych modeli AI: 0,9B, 3,7B, 7B, 32B, 36B-A4B i 375B-A23B parametrów. Modele oraz kod udostępniono na licencji Apache 2.0. 29

Najważniejszy element premiery nie sprowadza się do możliwości pobrania wag. IFM deklaruje udostępnienie znacznie większej części dokumentacji i artefaktów z procesu budowy modeli niż przy typowej publikacji „open weights”. Celem jest to, by prace nad modelem dało się sprawdzić i odtwarzać.

Co zawiera K2 Horizon

Dla każdego modelu IFM deklaruje publikację końcowych wag oraz materiałów obejmujących cały cykl — od treningu wstępnego po post-trening związany z rozumowaniem i działaniem agentowym. W pakiecie znajdują się:

• dane treningowe albo szczegółowe receptury ich tworzenia;
• otwarta architektura i skład mieszanek modeli;
• kod treningowy oraz konfiguracje;
• checkpointy pośrednie i szczegółowe logi treningu;
• wyniki ewaluacji;
• końcowe wagi modeli. 9

Reuters informował podobnie, że pakiet obejmuje wagi, dane treningowe, kod, metodologie i checkpointy pośrednie. Ma to pozwolić badaczom prześledzić rozwój modeli oraz odtworzyć rezultaty. 2

Jest tu istotne zastrzeżenie: IFM mówi o udostępnianiu danych treningowych lub receptur ich tworzenia, a niekoniecznie o redystrybucji każdego zbioru danych w całości. Taka różnica ma znaczenie tam, gdzie ograniczenia licencyjne nie pozwalają na dalsze rozpowszechnianie danych. 9

Dlaczego to więcej niż „otwarte wagi”

Model z otwartymi wagami daje programistom wyuczone parametry potrzebne do uruchomienia lub dostosowania systemu. Same wagi nie pokazują jednak całej drogi prowadzącej do danego rezultatu. Zwykle nie ujawniają składu danych treningowych, decyzji dotyczących ich przetwarzania, kodu, konfiguracji treningu, pośrednich stanów modelu ani procedur post-treningowych.

K2 Horizon ma odsłaniać również te warstwy. W praktyce niezależne zespoły mogą dzięki temu sprawdzać, jak uzyskano dany wynik, próbować odtworzyć poszczególne etapy treningu, testować twierdzenia techniczne oraz adaptować pracę do własnych badań lub wdrożeń. 29

To właśnie sens słów założyciela IFM, Erica Xinga, według którego otwartość powinna umożliwiać innym „zobaczyć dane, prześledzić metodę, odtworzyć wynik i go ulepszyć”. 1

Otwarte wagi, pełna otwartość i modele dostępne jako usługa

Różnice najlepiej traktować jako spektrum ujawnianych informacji, a nie wyłącznie jako etykiety.

• Otwarte wagi: twórca może udostępnić model do pobrania, ale podać niewiele informacji o jego pochodzeniu i pełnym procesie treningowym. Reuters opisywał publikację IFM jako kontrast wobec trendu w branży AI zmierzającego ku większej tajności. 2
• Podejście IFM: instytut deklaruje publikację nie tylko wag, ale też danych lub receptur ich tworzenia, kodu, konfiguracji, checkpointów, logów i ewaluacji. 9
• Dostęp do zamkniętych usług: wiodące zastrzeżone modele są często oferowane przez hostowane produkty albo API, bez publicznego udostępnienia pełnego cyklu ich rozwoju. Dostarczone źródła nie uzasadniają szczegółowego porównania firma po firmie, dlatego twierdzenia dotyczące konkretnych chińskich twórców, OpenAI czy Anthropic należy formułować ostrożnie.

Praktyczna różnica dotyczy weryfikacji. Użytkownik może ocenić zachowanie modelu z otwartymi wagami, ale szerszy pakiet materiałów daje badaczom zdecydowanie więcej dowodów do analizy procesu, który doprowadził do tego zachowania.

Odtwarzalność, kontrola publiczna i ambicje dotyczące wydajności

Xing powiedział Reutersowi, że IFM chce ustanowić punkt odniesienia dla tego, jak mogłaby wyglądać rzeczywiście otwarta publikacja modelu. 2 Deklarowany cel to nauka oparta na możliwości odtwarzania wyników, a nie na zaufaniu do nieprzejrzystego końcowego checkpointu.

Taka transparentność może mieć znaczenie także poza środowiskiem badawczym. Pełniejsza dokumentacja daje decydentom, regulatorom i organizacjom działającym w interesie publicznym materiał do weryfikowania twierdzeń o możliwościach, metodach i ryzykach modeli, zamiast opierania się wyłącznie na podsumowaniach ich twórców. 2

IFM przekonuje również, że otwartość nie musi oznaczać niższych możliwości. W materiałach premierowych instytut pozycjonuje K2 Horizon jako rodzinę modeli do rozumowania, matematyki, programowania, używania narzędzi i zadań agentowych. Są to jednak deklaracje IFM dotyczące wydajności, a nie niezależna walidacja. 19

Sześć rozmiarów, od urządzeń osobistych po serwery

K2 Horizon obejmuje bardzo małe modele dla sprzętu o ograniczonych zasobach oraz duży flagowy model typu mixture-of-experts.

Model	Zastosowanie wskazywane przez IFM
0,9B	Urządzenia brzegowe o ograniczonych zasobach, w tym urządzenia ubieralne, np. zegarki i inteligentne okulary. 1
3,7B	Zastosowania na urządzeniu, zwłaszcza w telefonach. 1
7B	Działanie lokalnie na urządzeniu, z naciskiem na zadania inżynierii oprogramowania i pogłębione badania. 1
32B	Lokalne hostowanie na laptopach, stacjach roboczych i serwerach on-premise, czyli utrzymywanych we własnej infrastrukturze organizacji. 1
36B-A4B	Rzadki model przeznaczony do wdrożeń lokalnych i on-premise. 19
375B-A23B	Flagowy model do wymagającego rozumowania, badań, inżynierii oprogramowania oraz dłuższych zadań agentowych. 19

IFM podaje, że wspólna architektura, interfejsy, narzędzia i podejście do routingu mają pozwolić programistom przechodzić od mniejszych do większych modeli bez zmiany sposobu wdrażania. 1

Znaczenie dla ambicji ZEA w obszarze AI

Premiera wspiera ambicję Zjednoczonych Emiratów Arabskich, by odgrywać większą rolę w rozwoju zaawansowanej AI. IFM został utworzony przez MBZUAI, a K2 Horizon daje tej instytucji rodzinę modeli bazowych, z których badacze i programiści mogą korzystać globalnie — przy założeniu dostępu do artefaktów z ich rozwoju poza Abu Zabi. 12

To, czy publikacja stanie się trwałym standardem otwartości w AI, będzie zależało od użyteczności udostępnionych materiałów oraz od tego, czy zewnętrzne zespoły faktycznie zdołają niezależnie odtworzyć i rozwinąć tę pracę. Przekaz IFM jest jednak jednoznaczny: otwartość w AI ma oznaczać coś więcej niż możliwość pobrania gotowego modelu. 29