阿布扎比IFM开源K2六模型舰队,权重数据代码全开放,冲击全开源纪录

首页 / AI资讯 / 大模型

0:00
0:00
1x
定时

9月3日,阿布扎比基础模型研究院(IFM)投下一枚开源重磅炸弹。该机构发布K2 Horizon模型家族,一口气拿出六个模型,参数规模从0.9B一路覆盖到375B,并且罕见地把模型权重、代码、训练数据、方法论乃至中间检查点全部公开。创始人邢波(Eric Xing)在发布声明中直言:"开源远不只是开放权重,科学只有在别人能看到数据、复现方法并加以改进时才能真正进步。"这番表态被外界视为对近期行业"只放权重、藏着数据"风气的直接回应,也把开源与闭源的路线之争推向新的高度。

从手表到企业级,六个模型如何分兵布阵

K2 Horizon的产品矩阵设计相当讲究梯度。最小的0.9B模型面向手表、眼镜等极致受限设备,官方称其在同尺寸模型中数学、推理与工具调用能力最强;3.7B面向手机与端侧开发,主打微调友好;7B被定义为10B以下最佳模型,软件工程与深度研究能力突出,小到可以在手机上运行;32B稠密模型与36B-A4B稀疏模型面向本地托管与企业服务器;顶配的375B-A23B则瞄准高难推理与企业级部署,承担舰队旗舰角色。

六个模型共享同一套核心架构、词表、训练方法、接口与部署工具,只有0.9B采用了更小的词表。这种"一个舰队、一套体系"的做法,让开发者可以从最小模型开始原型验证,再平滑切换到更大模型,部署工作流无需改动。IFM同时提供动态模型路由技术,自动把任务分发给成本最低的合适模型,为开发者铺出一条从原型到生产的实用路径。从智能手表到企业机房全覆盖的产品策略,也让K2 Horizon在开源阵营中显得格外完整。

最小的0.9B模型能在智能手表上本地运行,意味着个人健康、语音等敏感数据的处理可以完全留在设备端。随着各大厂商把AI推理下沉到终端芯片,端侧模型正在成为隐私计算的默认选项,而这一档位长期缺乏重量级的开源选择,K2 Horizon恰好补齐了空白。对开发者而言,同一个提示词从手表端跑到数据中心旗舰端格式完全一致,也大幅降低了跨端部署的学习成本。

扩散蒸馏提速三倍,价值注意力如何省算力

技术层面,K2 Horizon带来了两项值得关注的创新。其一是"扩散蒸馏"技术,模型可以并行生成整块Token,在基本不损失回答质量的前提下把推理速度提升约3倍。传统自回归模型只能逐Token生成,扩散蒸馏相当于给生成过程装上多条并行流水线,对高并发推理场景的吞吐提升效果显著。其二是"混合价值注意力"架构,通过引入价值函数机制强化推理能力,却不需要增加额外的计算开销,在同等算力下获得更强的思考深度。

这两项技术组合起来,让K2 Horizon在推理、数学、编码与智能体任务上都具备与同级最佳开源模型掰手腕的实力。IFM强调每个模型都针对同尺寸最强开源模型进行过对标优化,从端侧到企业级都不存在明显短板。值得注意的是,该机构2025年5月才由穆罕默德·本·扎耶德人工智能大学(MBZUAI)孵化成立,如今已在硅谷、巴黎与阿布扎比三地布局研发力量。从孵化到拿出覆盖375B的全栈开源舰队,这家"新晋前沿实验室"的推进速度令人侧目。

训练数据与检查点全公开,比开放权重更进一步

K2 Horizon真正拉开差距的地方不在模型本身,而在开源彻底程度。过去几个月,多家厂商以"开源"名义发布模型,但大多只开放权重与推理代码,训练数据集和配方严格保密,研究者难以独立验证其训练过程。IFM此次把训练数据、完整配方、评估结果连同中间检查点一并公开,中间检查点尤其稀有,它能让研究者观察模型在训练过程中的演化轨迹,为安全审计、复现研究与性能改进提供直接素材。

这种"完全开源"的做法在商业上相当罕见。开放训练数据意味着竞争对手可以完整复现模型,技术壁垒被主动拆掉;开放检查点则可能让外部研究者发现训练中的潜在问题。IFM显然经过了权衡,其逻辑是开源带来的生态红利大于技术泄露的风险,阿布扎比正把开源作为吸引全球研究者的核心筹码。随着各国政府讨论AI透明度规则,K2 Horizon这种"数据配方全公开"的发布方式,很可能成为政策讨论中的具体参照样本。

中间检查点的开放价值在安全研究中尤为突出。安全研究者可以在模型训练的各个阶段检查能力涌现与潜在偏见形成的过程,而不是只能对着最终权重做黑盒测试;监管机构也能借助完整训练数据对数据合规情况开展审计。当各国开始要求AI公司披露训练数据来源,K2 Horizon的发布方式相当于提前给出了一份可供审计的公开样板。

完全开源会否撬动天平,路线之争进入新阶段

K2 Horizon发布的时间点耐人寻味。就在过去几周,围绕"开放权重与真正开源"的争论持续升温,多家中国厂商先后开放了GLM、星火等模型权重,OpenAI与Anthropic则坚持闭源,行业呈现出明显的路线分化。IFM选择在此时抛出史上最大规模的完全开源舰队,等于给天平一端加了沉重砝码。邢波表示,开放性与竞争力并不互斥,他希望通过这次发布树立一个"真正开源可以长什么样"的参照点。

当然,完全开源并非没有隐忧。训练数据中可能包含受版权保护或涉及个人信息的内容,公开代码与检查点也可能被滥用,IFM尚未详细披露其数据过滤与安全评估流程。此外,六个模型的性能声明目前主要来自官方,独立第三方的复现验证仍需时间。可以确定的是,K2 Horizon已经把"开源"的定义从权重层面推进到数据与配方层面,无论最终社区接受度如何,它都已改变了开源模型竞争的讨论基准。

素材来源:美通社、Inside AI News、新浪科技 发布时间:2026-09-04