IFM avaldas kuus täielikult avatud K2 Horizoni mudelit

01Lühidalt

• Institute of Foundation Models (IFM), MBZUAI teadusüksuse labor, avaldas 3. septembril 2026 korraga kuus K2 Horizoni mudelit suurusega 0,9 kuni 375 miljardit parameetrit.
• Erinevalt enamikust nn avatud mudelite väljalasetest avaldas IFM lisaks lõppkaaludele ka treeningkoodi, seadistused, vahekontrollpunktid, treeningulogid ja hindamistulemused — kõik Apache 2.0 litsentsi all.
• Treeningandmestikel on eraldi litsentsid; kui algallikate edasijagamine pole lubatud, avaldab IFM andmete koostamise retsepti — filtreerimise metoodika ja segu koostise —, mitte andmeid endid.
• IFM väidab, et väiksemad mudelid (0,9B, 3,7B, 7B) on oma suurusklassis parimad ja et difusioondestillatsioonil põhinev süsteem "Uno" annab ligikaudu kolmekordse kiiruse — need on tootja enda väited, mida sõltumatud katsed pole seni kinnitanud.

Institute of Foundation Models, MBZUAI (Mohamed bin Zayed University of Artificial Intelligence) alla kuuluv ja Abu Dhabis, Silicon Valleys ning Pariisis tegutsev teaduslabor, avaldas 3. septembril 2026 korraga kuus K2 Horizoni nimelist keelemudelit. Mudelite suurus ulatub 0,9 miljardist kuni 375 miljardi parameetrini ning kõik on avaldatud koos lõppkaalude, treeningkoodi, seadistuste, vahekontrollpunktide, treeningulogide ja hindamistulemustega — tase, mida enamik nn avatud lähtekoodiga mudeleid ei paku.

Enamik turul levinud „avatud mudeleid” tähendab tegelikult ainult lõppkaalude avaldamist: kasutaja saab mudelit alla laadida ja käitada, kuid ei näe, kuidas see treeniti ega saa treeningprotsessi ise kontrollida või korrata. K2 Horizoni materjalid võimaldavad põhimõtteliselt jälgida mudeli arengut treeningu erinevatel etappidel ja kontrollida, kas avaldatud hindamistulemused vastavad tegelikult reprodutseeritavale protsessile.

02Kuus mudelit ja mida täpselt avati

K2 Horizoni perre kuulub kuus mudelit: 0,9 miljardi, 3,7 miljardi, 7 miljardi ja 32 miljardi parameetriga tavamudelid ning kaks nn segamudelit (mixture-of-experts) — 36 miljardi koguparameetriga mudel, millest aktiivselt kasutatakse iga päringu puhul 4 miljardit, ning 375 miljardi koguparameetriga mudel 23 miljardi aktiivse parameetriga. Suuremad ja aktiveeritud-parameetrite mudelid on mõeldud tootmiskasutuseks ja pikaajaliste agentsete ülesannete jaoks, väiksemad kohalikuks arenduseks ja kuluefektiivseks juurutamiseks.

Kõik kuus mudelit ja nendega kaasnev kood on Apache 2.0 litsentsi all, mis lubab nii isiklikku kui ärilist kasutust ilma oluliste piiranguteta. Mudelid on kättesaadavad ka Hugging Face'i platvormil koondkogumina.

03Andmestike litsentsi nüanss: retsept versus tegelikud andmed

Kuigi mudelid ja kood on Apache 2.0 litsentsiga, kehtivad treeninguks kasutatud andmestikele nende endi algsed litsentsid. Juhtudel, kui algallika litsents ei luba andmete edasijagamist, ei avalda IFM andmeid ennast, vaid nende koostamise metoodikat — milliseid allikaid kasutati, kuidas neid filtreeriti ja millises vahekorras erinevad andmeliigid treeningsegusse segati. See tähendab, et „täielikult avatud” ei kehti K2 Horizoni puhul sõna-sõnalt iga treeningnäite kohta, vaid pigem läbipaistvusele selle üle, kuidas treeningandmestik üldse kokku pandi.

04IFM väited: suurusklassi parim ja kolmekordne kiirus — veel kontrollimata

IFM väidab, et 0,9, 3,7 ja 7 miljardi parameetriga mudelid saavutavad oma suurusklassis arutlus- ja kodeerimisülesannetes parimad tulemused. Ettevõte lubab ka, et difusioondestillatsioonil põhinev generatsioonisüsteem „Uno” — mis genereerib tekstiplokke paralleelselt fikseeritud autoregressiivsete kaalude peal — annab ligikaudu kolmekordse kiirenduse võrreldes tavapärase järjestikuse genereerimisega, ületades IFM-i sõnul nii spekulatiivset dekodeerimist kui teisi difusioonmudeleid kiiruse-kvaliteedi suhte poolest.

Need on tootja enda esitatud tulemused. Reuters kajastas väljalaset kui erakordselt läbipaistvat, kuid ei kinnitanud sõltumatult ei suurusklassi paremuse ega kiiruse väiteid. Ühtki sõltumatut suurt hindamisorganisatsiooni pole seni avalikult kinnitanud, et K2 Horizoni väiksemad mudelid on oma suurusklassis tõesti parimad, ega korranud „Uno” kolmekordse kiiruse tulemust.

05Miks see erineb tavapärasest „avatud mudeli” väljalasketest

IFM-i asutaja Eric Xing ütles Reutersile, et avatus ja konkurentsivõimeline jõudlus ei ole tema sõnul teineteist välistavad. See sõnum sobib IFM-i laiema positsioneeringuga: eristuda mudelipakkujatest, kes avaldavad küll kaalud tasuta, kuid hoiavad treeningdetailid ärisaladusena. Kontrollitava treeningprotsessi avaldamine on akadeemilistele uurimisrühmadele ja turvalisust uurivatele meeskondadele oluliselt väärtuslikum kui pelgalt kaalude allalaadimine, kuna see võimaldab uurida, kuidas konkreetsed treeningotsused mudeli käitumist mõjutasid.

06Praktiline kasutus ja piirangud

Eesti ja Euroopa arendajate jaoks on kõige praktilisem lähtepunkt väiksemad mudelid — 7 miljardi ja 32 miljardi parameetriga variandid —, mida saab kohalikul riistvaral käitada ja mille vastavust IFM-i väidetud tulemustele saab ise, kohalikus keeles ja oma töövoos, kontrollida. Suurim, 375 miljardi parameetriga mudel nõuab tootmiskasutuseks juba märkimisväärset arvutusvõimsust ja sobib pigem organisatsioonidele, kellel on olemas vastav taristu.

Oluline piirang: treeningandmestiku täielik läbipaistvus ei laiene kõigile allikatele, mistõttu andmete päritolu ja võimalike eelarvamuste täielik kontroll pole kõigi mudelite puhul võimalik — ainult metoodika, mitte alati sisu.

07Buildrya analüüs

K2 Horizoni suurim praktiline väärtus pole IFM-i paremusväidetes, vaid kontrollitavuses. Meeskonnad, kes kaaluvad avatud mudeli kasutuselevõttu kriitilises töövoos, saavad K2 Horizoni puhul esimest korda laialdaselt hinnata mitte ainult lõpptulemust, vaid ka treeningprotsessi enda usaldusväärsust — vahekontrollpunktid ja logid võimaldavad tuvastada, kas mudel on treenitud stabiilselt ja kas avaldatud hindamistulemused on tõenäoliselt reprodutseeritavad.

Enne suurusklassi „parima” väite usaldamist tasub oodata sõltumatute hindamisplatvormide tulemusi. Kuni selleni pole jõutud, on mõistlik K2 Horizonit testida oma konkreetse ülesande peal — eriti eestikeelse sisu või kohaliku töövoo kontekstis, kus tootja globaalsed benchmarkid ei pruugi täpselt kajastada tegelikku kasutuskogemust.

08Korduma kippuvad küsimused

Kes on Institute of Foundation Models?

IFM on MBZUAI (Mohamed bin Zayed University of Artificial Intelligence) alla kuuluv teaduslabor, mis tegutseb Abu Dhabis, Silicon Valleys ja Pariisis. See ei ole MBZUAI-st sõltumatu asutus, vaid selle uurimisüksus.

Mis vahe on K2 Horizonil ja tavapärastel avatud mudelitel?

Enamik avatud mudeleid avaldab ainult lõppkaalud. K2 Horizon lisab treeningkoodi, seadistused, vahekontrollpunktid, treeningulogid ja hindamistulemused, mis võimaldab treeningprotsessi palju põhjalikumalt kontrollida.

Kas kõik treeningandmed on ka avalikud?

Ei tingimata. Andmestikel on oma algsed litsentsid; kui edasijagamine pole lubatud, avaldab IFM andmete koostamise metoodika ja segu koostise, mitte andmeid endid.

Kas IFM-i väide väiksemate mudelite suurusklassi paremuse kohta on sõltumatult kinnitatud?

Ei, mitte veel. Tegemist on IFM-i enda esitatud tulemustega, mida sõltumatud hindamisplatvormid pole seni avalikult korranud ega kinnitanud.

Mis on "Uno" ja kas kolmekordne kiirus vastab tõele?

"Uno" on IFM-i difusioondestillatsioonil põhinev generatsioonisüsteem, mis IFM-i väitel genereerib teksti ligikaudu kolm korda kiiremini. See on tootja väide, mida sõltumatud testid pole veel kinnitanud.

Milline K2 Horizoni mudel sobib kohalikuks testimiseks kõige paremini?

7 ja 32 miljardi parameetriga dense-mudelid on kättesaadava riistvaraga kõige kergemini käitatavad ja sobivad hästi kohaliku töövoo, sealhulgas eestikeelse sisu, testimiseks.