六個模型、零秘密：K2 Horizon——史上最大規模的全開源 AI 釋出

2026 年 9 月 3 日，阿布達比穆罕默德·本·扎耶德人工智慧大學（MBZUAI）旗下的基礎模型研究所（Institute of Foundation Models，IFM）發布了 K2 Horizon——一個涵蓋六個基礎模型、參數規模從 0.9B 橫跨到 375B 的模型家族。在一個每週都有前沿模型問世的產業裡，單看這件事並不稀奇。真正讓這次發布寫進歷史的是隨模型一起公開的東西：模型權重、訓練程式碼、訓練資料與配方、配置、評測結果與完整方法論——全部公開，全部採用 Apache 2.0 授權。

IFM 稱之為「AI 歷史上最大規模的全開源模型釋出」，這個說法很難反駁。目前市面上多數被稱為「開放」的釋出，通常只做到公開權重——一個下載連結加一份授權條款。K2 Horizon 則打開了整條開發流程。路透社也獨立報導，這是一次罕見地以「可重現性」而非單純「權重取得」為核心的開源行動。

這和「開放權重」有什麼不同？

時機點很有意思。這次釋出正好落在產業激烈辯論「開放」一詞到底意味著什麼的當口，而 IFM 的發布資料毫不掩飾地劍指近幾週佔據新聞版面的「開放權重」論戰。

這個區別至關重要。開放權重的釋出讓你能下載模型、執行模型，但你看不到它是怎麼被造出來的。你無法重現訓練過程、無法審計資料混合比例、也無法研究能力湧現的關鍵中間檢查點。你只能相信實驗室的基準測試數據，以及它對訓練資料的描述。全開源釋出則徹底翻轉了這層關係：所有宣稱都變成可驗證的。

「開源遠不止於開放權重。科學之所以能運作，是因為別人能看到資料、跟上方法、重現結果、然後改進它，」IFM 創辦人兼 MBZUAI 校長邢波（Eric Xing）表示。「K2 Horizon 兌現了這個需求。家族中的每個模型都附帶它的訓練資料、配方與評測結果。這是開放科學，我們相信這是 AI 最好的前進道路。」

模型家族：從手腕到資料中心

六個模型共享核心架構、詞彙表、訓練方法論、介面與部署工具鏈（僅 0.9B 版本使用較小的詞彙表）。設計意圖是讓開發者從原型到正式環境走一條連續的路徑，中途不需要更換模型家族或工作流程：

• 0.9B — 根據 IFM 的說法，是同等規模中數學、推理與工具使用表現最佳的模型，小到可以跑在智慧手錶上；鎖定能源、物流、醫療與公共服務等邊緣部署場景。
• 3.7B — 對開發者最友善的微調尺寸，推理能力號稱 4B 以下業界最強，匹敵甚至超越許多更大的模型。
• 7B — 宣稱是 10B 參數以下表現最佳的模型，軟體工程與深度研究能力突出；可直接跑在手機上。
• 32B — 稠密架構，為筆電與地端伺服器的高強度使用而建，是最適合本地部署的稠密模型之一。
• 36B-A4B — 稀疏模型，每個 token 僅啟動 4B 參數，導入全新的「價值注意力混合」（Mixture of Value Attention，MoVA）架構，IFM 稱其效能勝過許多更大的模型。
• 375B-A23B — 旗艦：稀疏混合專家（MoE）模型，總參數 375B、每 token 約啟動 23B，原生支援 524,288 token 上下文視窗，設計目標是在推理與代理式任務上與領先的開放權重模型正面競爭。

IFM 表示，最小的三個模型（0.9B、3.7B、7B）在數學、推理、軟體工程與代理式能力上，於各自尺寸級距創下新的技術水準。圍繞 375B 旗艦的社群基準測試貼文則引用了 GPQA Diamond 87%、Terminal-Bench 2.1 約 72% 的成績——數字亮眼，但在獨立評測累積之前仍屬官方自行報告。

三項底層新技術

K2 Horizon 的技術故事建立在 IFM 宣稱的三項創新上：

1. 擴散蒸餾（diffusion distillation） — 平行生成整個 token 區塊而非逐一生成，在不損失回應品質的前提下將推理速度提升約 3 倍。
2. 價值注意力混合（MoVA） — 一種在不增加運算量的前提下提升推理能力的架構創新，驅動 36B-A4B 模型。
3. 動態模型路由（dynamic model routing） — 自動將任務導向家族中最具成本效益的模型，為開發者提供從原型到量產的實用路徑。

血脈清晰可見。這條軌跡始於最初的 K2，行經 K2-Think 與 K2 Think V2，在 Horizon 達到最寬廣的實踐。每一代都開放更多技術堆疊；Horizon 則幾乎全開。

「全開源」的但書

誠實起見，必須指出時間上的細節。IFM 的發布資料把訓練生命週期描繪為釋出的一部分，但 375B-A23B 旗艦目前在 Hugging Face 上的模型卡指出：最終檢查點現已可用，而中間檢查點、資料與訓練程式碼「將陸續釋出」——部分產物仍在分階段上架。當再散布權利不允許直接公開資料集時，IFM 表示會提供來源描述、過濾程序、建構方法與混合比例，而非原始資料本身。

而且，開放不等於便宜。IFM 自己為旗艦發布的 SGLang 服務配方，是在八節點 H200 上以張量平行與專家平行、BF16 精度及 FlashAttention-3 驗證的。權重可以免費下載；正式環境等級的推理仍然是資料中心等級的投資。

可用性倒是相當全面：權重在 Hugging Face，vLLM、SGLang 與 Ollama 第一天就支援，可在 NVIDIA、AMD 與 Cerebras 硬體上部署，並透過包括 Compass、Cerebras、AWS 與 Nebius 在內的推論合作夥伴提供 API。

為什麼是一所大學在做這件事？

策略背景是阿聯酋的全國 AI 豪賭。IFM 成立於 2025 年 5 月，目前在三個辦公室運作——阿布達比、矽谷與巴黎——把前沿模型開發放在阿聯酋，同時從全球既有重鎮汲取人才。其產品組合還包括 K2 系列、阿拉伯語-英語的 Jais 模型，以及用於具身推理的世界模型 PAN。

「我們這個時代最重要的技術，應該與世界共同建造，而不是藏起來，」邢波說。「K2 Horizon 就是一個機構完全兌現這個信念的樣子，也反映了我們在阿聯酋所處的環境：這個國家決定自己建造 AI，而不是等著 AI 降臨。」

後續觀察指標

2026 年的開源生態競爭激烈——Kimi K3、GLM-5.2、Qwen 3.8、GPT-OSS、Nemotron 3——但它們幾乎清一色是「開放權重」釋出。K2 Horizon 改變了競爭的條款：如果它的數字經得起獨立檢驗，問題就不再是「哪個開放模型最好？」，而是「你的實驗室為什麼還在藏訓練資料？」

值得觀察的指標：承諾的中間檢查點與資料是否如期上架；獨立評測能否證實小模型的 SOTA 宣稱（這是最容易證偽的部分）；以及動態路由是否真能作為家族層級的產品功能發揮作用，而非只停留在論文裡。如果這些檢驗全部過關，2026 年 9 月 3 日或許會被記住——作為「開源 AI」終於名副其實的那一天。