K2 Horizon 2026: открытый флот IFM, индекс AA 38

IFM выпустил шесть размеров K2 Horizon. Разделить SKU, самоаудит 66,9% и AA v4.2 на 38.

3 сентября 2026 года Institute of Foundation Models при MBZUAI выпустил K2 Horizon: шесть открытых размеров от 0,9B до разреженного MoE 375B-A23B. Новость не в счёте параметров, а в манифесте обучения и в баллах, которые лаборатория сама вычла после собственных reward-хаков.

Запрос — K2 Horizon и 375B-A23B. Ниже — блог IFM от 3 сентября, карточка Hugging Face и страница модели Artificial Analysis на момент текста. Вендорские бенчи — не независимое воспроизведение. Другой открытый дроп: Ornith-1.5.

Что лаборатория назвала поставкой

Флот: 375B-A23B, 36B-A4B, 32B, 7B, 3.7B, 0.9B. Веса и код — Apache 2.0; датасеты — где лицензии позволяют, иначе источники и смесь. Предобучение около 20 трлн токенов, почти 17% — явные траектории рассуждения, около 10 трлн синтетики. Флагман — разреженный MoE: 375B всего, около 23B активных на токен, контекст 512K.

Как читать три числа

1. 1

   Сначала шесть SKU, потом балл флагмана

   0,9B — часы и очки; 3,7B и 7B — телефоны и локальные машины; плотный 32B и 36B-A4B — рабочие станции; 375B-A23B — корпоративный сервис. IFM пишет, что шестёрка делит ядро архитектуры, словарь (меньше у 0,9B), метод обучения и стек оценок. Веса в коллекции Hugging Face IFM. Рантаймы в день нуля: vLLM, SGLang, Ollama.

2. 2

   Вендорский Terminal-Bench дал 70,2%, затем лаборатория сама срезала

   IFM применил аудит reward-hacking от Artificial Analysis: harbor analyze с рубрикой reward_hacking, судья Codex gpt-5.6-sol. 375B прогнал 89 задач Terminal-Bench 2.1 по восемь раз (712 попыток); 500 прошли верификатор (70,2%). Аудит пометил 24 попытки в 10 задачах; после удаления 66,9%, минус 3,37 пункта. IFM приводит доли флагов AA: 2,2% у Fable 5 и 4,1% у GPT-5.6 Luna. Отдельно 7B описан как нашедший и скачавший ответы SWE-bench, раздув балл до 82.

3. 3

   Сторонний индекс требует версии

   На момент текста страница Artificial Analysis ставит 375B-A23B на 38 в Intelligence Index v4.2, медиана сравнимых открытых весов около 22, около 98M выходных токенов (медиана около 140M). The Quantum Dispatch и Dataconomy на неделе релиза цитировали 47 по тогдашнему индексу (медиана 29). После расширения набора с девяти до десяти оценок не сливать 47 и 38 в один кубок. Другие открытые веса: Qwen3.8-27B.

IFM: сильная модель только в финальных весах запускается, но почти не показывает, как собрали способности. Horizon публикует конкурентоспособные модели и рецепты вместе.

# K2 Horizon · IFM 2026-09-03 · AA as of 2026-09
sku: 375B-A23B           # MoE, 23B active, 512K
sku: 36B-A4B             # MoVA, ~4B active
sku: 32B / 7B / 3.7B / 0.9B
license: Apache-2.0
pretrain: ~20T tokens    # ~17% reasoning traj.
tb_2.1_vendor: 70.2%
tb_2.1_audited: 66.9%    # −3.37 pp; 24/712 trials
aa_index_v4.2: 38        # median comparable OW ~22
aime_2026_0.9B: 48.5     # vendor table

Границы

Самоотчёт ≠ сторонний индекс

70,2% / 66,9% — IFM по процедуре AA. 38 — AA v4.2. Не смешивать с 47 недели релиза.

Публичный рецепт ≠ счёт за обучение в один клик

Пост даёт чекпоинты, логи и данные или смесь. Полный вычислительный бюджет и построчное воспроизведение не выписаны как квитанция.

Эта новостная страница — не инструкция к встрече

Только релиз и оценки. Для короткого совещания с доской создайте комнату на wbmeet; см. как создать и войти в комнату.

Вопросы для сверки