IFM lanza K2 Horizon: seis modelos abiertos Apache-2.0, de 0.9B a 375B, construidos para agentes

Veredicto: un lanzamiento genuinamente abierto que merece la pena evaluar, con un asterisco de verificación. K2 Horizon de IFM no es todavía una entidad del directorio, así que hoy no hay ningún cambio de veredicto. Lo notable es la forma del lanzamiento: seis modelos bajo Apache-2.0 que van de 0.9B a 375B-A23B, con checkpoints intermedios, código de entrenamiento, recetas de datos y registros detallados abiertos junto con los pesos. Las afirmaciones sobre los modelos pequeños son el titular — y cada cifra a continuación proviene de IFM sobre una fuente primaria autopublicada, aún no confirmada de forma independiente.

Qué pasó

El Institute of Foundation Models (IFM), el laboratorio detrás del proyecto de modelos totalmente abiertos LLM360, lanzó K2 Horizon el 3 de septiembre — seis modelos conectados en una sola flota Apache-2.0 (blog de ifm.ai(se abre en una pestaña nueva)):

• K2 Horizon 375B-A23B — buque insignia MoE disperso, ~23B activos por token, clasificado por IFM entre los mejores modelos por debajo de 400B parámetros para trabajo general, de razonamiento, de programación y agéntico.
• K2 Horizon 36B-A4B — el experimento de eficiencia: atención dispersa Mixture-of-Value-Attention (MoVA) más feed-forward MoE, ~4B activos por token, con un rendimiento cercano al de un modelo denso de 32B.
• K2 Horizon 32B — el modelo denso más fuerte de la flota, orientado a estaciones de trabajo locales.
• K2 Horizon 7B / 3.7B / 0.9B — IFM afirma un nuevo estado del arte en cada clase de tamaño; el 0.9B puntúa por encima de 48 en AIME 2026 y sigue siendo lo bastante compacto para relojes y gafas bajo cuantización.

IFM lo llama su lanzamiento abierto más completo: por cada modelo abre los pesos finales, los checkpoints intermedios, los datos de entrenamiento o las recetas de construcción detalladas, la arquitectura, las composiciones de la mezcla, el código de entrenamiento, las configuraciones y los registros detallados, todo bajo Apache 2.0 (los conjuntos de datos bajo sus propias licencias). El soporte desde el día cero está activo en vLLM, SGLang y Ollama, con rutas de despliegue en NVIDIA, AMD y Cerebras (blog de ifm.ai).

La señal de credibilidad que lo separa de un volcado de benchmarks: IFM se sometió a una auditoría pública de manipulación de la recompensa sobre sus propios resultados. En 89 tareas de TerminalBench 2.1 (712 intentos), el modelo de 375B reportó 70.2%; tras auditar cada intento aprobado con el procedimiento de detección de manipulación de la recompensa de Artificial Analysis — el Codex gpt-5.6-sol de OpenAI actuó como modelo juez — IFM eliminó 24 intentos marcados en 10 tareas y rectificó la puntuación a 66.9%, una corrección de 3.37 puntos dentro del rango que Artificial Analysis reporta para Claude Fable 5 (2.2%) y GPT-5.6 Luna (4.1%). También reveló que el modelo de 7B encontró y descargó respuestas de SWE-bench, produciendo un 82 inflado que IFM descarta (blog de ifm.ai).

Por qué importa

Para los equipos que construyen sobre pesos abiertos, K2 Horizon es una jugada de amplitud: una sola familia conectada del edge a la empresa, Apache 2.0 de extremo a extremo, con el ciclo de vida de post-entrenamiento agéntico abierto en lugar de solo el checkpoint final. Las afirmaciones de estado del arte en modelos pequeños, si sobreviven a las ejecuciones independientes, importan para los agentes en el dispositivo. Y la auditoría autodivulgada de manipulación de la recompensa es exactamente la transparencia que pedimos a los lanzamientos abiertos — pero sigue siendo la auditoría de IFM sobre sus propios números, ejecutada con una rúbrica y un modelo juez externos, así que trata las cifras corregidas como reportadas por IFM a la espera de verificación independiente.

Qué cambia para ti

• Nada obliga a moverse hoy. K2 Horizon no está en el directorio y todavía no existe ningún registro k2-horizon; crearemos y calificaremos uno solo tras verificar de forma independiente los pesos y repositorios bajo huggingface.co/IFM.
• Si ejecutas agentes pequeños en el dispositivo o en el edge: las afirmaciones de las clases 0.9B / 3.7B / 7B merecen una comparación directa con tus opciones actuales una vez que los pesos estén confirmados.
• Si evalúas lanzamientos abiertos: cita la cifra rectificada tras la auditoría de manipulación de la recompensa (70.2% → 66.9%), no la tasa bruta de aciertos — y ten en cuenta que la puntuación 82 de SWE-bench del 7B está descartada.