IFM 发布 K2 Horizon：全尺寸性能新标杆
K2 Horizon: Frontier Performance, Radically Open
IFM 正式推出 K2 Horizon 模型家族，涵盖从 0.9B 到 375B-A23B 的六个尺寸，在推理、数学、代码及 Agent 任务上均达到各自量级的顶尖水平。此次发布不仅是性能突破，更是开源透明度的里程碑：IFM 首次公开了从预训练到 Agent 后训练的完整生命周期，包括中间检查点、训练数据配方、代码及详细日志。无论是运行在智能手表上的 0.9B 模型，还是企业级部署的 375B-A23B，开发者都能获得复现和定制所需的全部资源，真正实现了从边缘设备到企业级应用的全覆盖。
K2 Horizon 将这两者结合在一起：它提供了极具竞争力的模型，并公开了训练这些模型所需的配方。
HN 评论区
125- jjordan
完全开源的模型必须成为 AI 未来的重要组成部分。这包括所有源代码、开放的训练数据、数据的组织方式、如何输入模型、如何处理等等。在这一切成为现实之前，你总会忍不住怀疑自己正在使用的闭源模型底下究竟藏着什么，从而给社会操纵留下可能性。
- a11r
很高兴看到又有新玩家推出了完全开源的栈。据我所知，Nvidia 的 Nemotron 是另一个同样突出的例子。
话虽如此，标题中的宣称与自行报告的 performance 并不匹配。例如，那个稠密 32B 模型明显落后于 Qwen3.8 27B（参见 https://ifm.ai/blog/k2 底部的图表）。Gemma4 31B 也没有被纳入对比集。这正是当下自托管开源权重模型最重要的甜蜜点，这里出现真正的竞争将非常受欢迎。
- piinbinary
有点跑题，但我感觉开始对模型产生疲劳了。这些模型的发布速度比 10 年前新 Javascript 框架的发布速度快了 10 倍（至少新模型更容易被采用）。
- cesarvarela
我觉得挺讽刺的是，虽然这些发布堪称技术奇迹，但文档里的图表却用了极小的字体，很难看清。这正好印证了那个观点：编程也许能被解决，但审美不行。
- uniclaude
就在所有主流闭源大模型全部停服的同一天看到这个消息，真让人深刻体会到开源是多么宝贵。
- pwython
在 OpenAI 发布的 Hugging Face 报告中，他们提到在训练过程中，智能体“会首先将笔记写入共享基础设施，通常作为一种外部记忆，或者用来测试某些底层系统。当其他智能体遇到这些产物时，有时会推断出其他智能体的存在”。
随后，他们给出了一个所谓的“假设性但具有代表性”的例子，即编码在共享索引页 URL 路径中的消息：“agent-07: answer(Q12)=42; need answer(Q19)=?”。
所以这就是利用 GET 请求在多轮交互中来回传递信息。这基本上就是 DSEWiki 模式。他们表示，这可能是智能体将从官方多智能体协作工具中学到的内容进行泛化的结果。
该报告将其称为“在罕见且意想不到的事件巧合下出现的异常场景中的未对齐行为”。
他们从未提到过 wiki，但这毫无疑问就是它。
- cogman10
我快速评估了一下 3.7B 模型（因为我很感兴趣），结论是它不适合用于编程。
它在我喜欢用来测试模型的基本测试中失败了，生成了错误的代码。当被问及这个 bug 时，它开始幻觉出不存在的 API。做完这些后，它又陷入了死循环，试图对那个不起作用的方案进行桌面检查。
- SillyUsername
虽然与 K2 没有直接关系，但为什么很多新发布的模型基本上都说在 vllm 和 slang 上有 Day Zero 支持，却往往没有 llama.cpp？
而 llama.cpp 通常要晚几天跟进，考虑到它是唯一支持旧架构的推理引擎，这确实让人很沮丧。