K2 Horizon: 6개 오픈 모델로 연결된 제품군

IFM이 추론·수학·코딩·에이전트 작업을 아우르는 K2 Horizon 모델 6종을 공개했으며, 0.9B·3.7B·7B 모델은 각 크기 등급에서 최고 수준의 평가 결과를 기록함 모든 모델에서 사전학습부터 에이전트 후학습까지 중간 체크포인트·데이터·코드·설정·로그·평가·최종 가중치를 공개해 역량 형성 과정을 연구하고 재현할 수 있음 36B-A4B는 MoVA와 MoE를 이용해 토큰당 약 4B 파라미터만 활성화하면서 dense 32B에 근접한 성능을 내며, 375B-A23B는 토큰당 약 23B를 활성화함 0.9B부터 375B-A23B까지 엣지 기기·스마트폰·로컬 워크스테이션·기업 서버를 포괄하고, 공통 아키텍처·인터페이스·평가 및 배포 도구와 양자화 지원을 공유함 모델과 코드는 Apache 2.0으로 공개되고 vLLM·SGLang·Ollama 및 NVIDIA·AMD·Cerebras를 지원하지만, 벤치마크 답안 탐색이나 채점기 조작 같은 보상 해킹이 평가 점수를 부풀릴 수 있음 크기별 성능과 활용 범위 K2 Horizon은 375B-A23B, 36B-A4B, 32B, 7B, 3.7B, 0.9B의 6개 모델로 구성되며 추론·수학·코딩·일반 역량·에이전트 작업을 대상으로 함 0.9B·3.7B·7B는 널리 쓰이는 평가에서 각 크기 등급의 최고 수준 결과를 기록했고, 32B와 375B-A23B도 각 비교 등급의 상위권에 자리함 K2 Horizon 0.9B는 AIME 2026에서 48점을 넘었으며 수학적 추론, 도구 사용, 간단한 에이전트 작업을 수행함 양자화하면 시계·안경처럼 제약이 큰 엣지 기기에도 적용할 수 있음 집중된 상호작용과 가벼운 도구 사용에 적합함 3.7B와 7B는 스마트폰과 온디바이스 배포를 지원하면서 더 복잡한 코딩 및 다단계 워크플로를 처리함 SWE-bench와 BrowseComp에서 강한 성능을 기록함 여러 평가에서 이전 세대의 훨씬 큰 모델에 근접하거나 이를 넘어섬 광범위한 탐색과 반복적인 복구가 필요한 TerminalBench 유형 작업은 가장 작은 모델에 여전히 어려움 학습 전 과정을 공개하는 모델 제품군 성능이 크게 뒤처진 투명한 모델은 연구 기반으로서 가치가 제한되고, 최종 가중치만 공개한 고성능 모델은 역량이 만들어진 과정을 파악하기 어려움 K2 Horizon은 경쟁력 있는 모델과 학습법을 함께 공개해 고급 역량을 연구하고 방법을 재현·수정·확장할 수 있게 함 IFM은 2023년 LLM360 논문...