The Pulse
IFM rilascia sei modelli di IA K2 Horizon completamente aperti
L’Institute of Foundation Models ha rilasciato K2 Horizon, una gamma di sei modelli di IA con un numero di parametri che va da 0,9 miliardi a 375 miliardi. IFM afferma che il rilascio comprende i pesi dei modelli, il codice, i dati o le ric
AI.info Team ·
I sei modelli del rilascio K2 Horizon dell’Institute of Foundation Models vanno da 0,9 miliardi a 375 miliardi di parametri. Il laboratorio, con sede ad Abu Dhabi, lo descrive come il più grande lancio di modelli completamente open source nella storia dell’IA.
IFM, un laboratorio di ricerca fondato dalla Mohamed bin Zayed University of Artificial Intelligence nel maggio 2025, pubblica la gamma per il ragionamento, la matematica, la programmazione, l’uso di strumenti e i compiti agentici. Il rilascio va oltre i pesi dei modelli: IFM afferma che sviluppatori e ricercatori possono esaminare il codice di addestramento, i dati, le metodologie, le valutazioni e gli strumenti di distribuzione alla base dei modelli.
Dagli orologi ai server aziendali
K2 Horizon include modelli densi con 0,9B, 3,7B, 7B e 32B parametri, oltre a modelli sparsi con 36B parametri, di cui 4B attivi, e 375B parametri, di cui 23B attivi. IFM destina il modello più piccolo ai dispositivi con risorse limitate, come orologi e occhiali, mentre le versioni da 3,7B e 7B sono pensate per telefoni e altre applicazioni eseguite direttamente sul dispositivo.
Il modello da 32B è pensato per l’hosting locale su workstation e server on-premises. Il modello 36B-A4B utilizza quella che IFM definisce un’architettura Mixture of Value Attention, attivando solo 4B parametri per token. Il modello di punta 375B-A23B è progettato per installazioni aziendali più ampie e carichi di lavoro impegnativi di ragionamento e agentici.
Tutti e sei i modelli condividono un’architettura di base, una metodologia di addestramento, interfacce e strumenti di distribuzione. Il modello da 0,9B usa un vocabolario più piccolo. IFM afferma inoltre che il suo sistema di instradamento dinamico dei modelli può indirizzare i compiti al modello più conveniente, consentendo agli sviluppatori di passare dai prototipi più piccoli a installazioni più ampie senza modificare i propri flussi di lavoro.
IFM fa dell’apertura una parte del rilascio
Eric Xing, fondatore di IFM e presidente e professore universitario presso MBZUAI, presenta il lancio come una risposta ai limiti dei rilasci di modelli con pesi aperti.
«L’open source è molto più dei pesi aperti. La scienza funziona quando gli altri possono vedere i dati, seguire il metodo, riprodurre il risultato e migliorarlo.»
Eric Xing, fondatore dell’Institute of Foundation Models e presidente e professore universitario, MBZUAI
IFM afferma che K2 Horizon include i pesi finali, il codice di addestramento, i checkpoint e i dati di addestramento o le ricette per la costruzione dei dati dei modelli. Il sito web del laboratorio descrive il progetto come un approccio «glass box», con l’obiettivo di consentire a ricercatori esterni di riprodurre, sottoporre a fine-tuning ed estendere i sistemi.
I modelli e il codice utilizzano la licenza Apache 2.0. IFM rende disponibili i modelli tramite Hugging Face, con supporto per vLLM e SGLang. Gli sviluppatori possono inoltre accedere alle API tramite partner di inferenza, tra cui Compass, Cerebras e Nebius.
Generazione parallela di token e attenzione sparsa
IFM mette in evidenza due caratteristiche tecniche della famiglia K2 Horizon. Una tecnica di «distillazione della diffusione» genera blocchi di token in parallelo, e secondo il laboratorio può aumentare la velocità del modello di circa tre volte senza ridurre la qualità delle risposte.
La seconda caratteristica, Mixture of Value Attention, è pensata per migliorare il ragionamento senza aumentare il calcolo. IFM applica l’architettura soprattutto al modello sparso 36B-A4B, che attiva una piccola frazione dei suoi parametri totali durante ogni operazione.
Queste scelte progettuali rispecchiano la varietà di hardware a cui si rivolge la gamma. I sistemi più piccoli sono progettati per funzionare in contesti con limiti di memoria, consumo energetico ed elaborazione locale, mentre il modello sparso più grande usa il calcolo condizionale per ridurre il costo di esecuzione di un sistema con centinaia di miliardi di parametri totali.
Le dichiarazioni sulle prestazioni riguardano tre modelli più piccoli
IFM afferma che i modelli da 0,9B, 3,7B e 7B stabiliscono nuovi risultati all’avanguardia nelle rispettive classi dimensionali. Il laboratorio descrive il modello da 0,9B come il suo sistema più potente per matematica, ragionamento e uso di strumenti a quella scala; il modello da 3,7B come il principale modello di ragionamento sotto i 4B parametri; e quello da 7B come il modello con le migliori prestazioni sotto i 10B parametri.
Si tratta di affermazioni contenute nei materiali di lancio di IFM, non di una classifica indipendente. L’azienda afferma che tutti i modelli K2 Horizon sono stati valutati su compiti di ragionamento, programmazione, uso di strumenti e agentici, a confronto con modelli aperti di dimensioni comparabili. I materiali pubblici sui modelli includono tabelle di benchmark e checkpoint intermedi, pensati per mostrare come cambiano le capacità durante l’addestramento.
La scheda del modello da 3,7B indica una finestra di contesto di 512K token e riporta punteggi del 70,5 per cento su HMMT February 2026, del 68,6 per cento su SWE-bench Verified, del 65,4 per cento su GPQA Diamond e del 25,1 per cento su Terminal-Bench 2.1. La stessa tabella mostra che il modello è in testa in alcuni confronti, ma è superato da concorrenti selezionati nelle risposte a domande scientifiche e nelle chiamate di funzione.
Una gamma pensata per tenere gli sviluppatori all’interno della stessa famiglia
Hector Liu, direttore del laboratorio di IFM nella Silicon Valley, ha affermato che l’istituto ha scelto di rilasciare una famiglia di modelli anziché un unico sistema di punta.
«Invece di rilasciare un solo modello, ne rilasciamo un’intera gamma in una volta: sei modelli, da uno abbastanza piccolo da funzionare su un orologio a un modello di punta pensato per il ragionamento aziendale.»
Hector Liu, direttore del laboratorio nella Silicon Valley, Institute of Foundation Models
Questa strategia offre a K2 Horizon un vantaggio pratico per i team che devono passare dalla sperimentazione locale a carichi di lavoro di produzione più ampi. Uno sviluppatore può testare un’applicazione con un modello da 3,7B o 7B, eseguire localmente un sistema da 32B o 36B e riservare il modello da 375B ai casi in cui capacità superiori giustificano l’infrastruttura necessaria.
Le dichiarazioni sull’apertura dei dati e sulla metodologia di addestramento determineranno fino a che punto K2 Horizon contribuirà a far progredire la ricerca riproducibile sull’IA. I modelli sono già disponibili nella raccolta di IFM su Hugging Face, insieme alle risorse di supporto pubblicate dal laboratorio per eseguirli e valutarli.