K2 Horizon вышел сразу как линейка из шести ИИ-моделей: от компактной 0,9B до флагманской 375B-A23B. Для русскоязычных команд это интересный сигнал: рынок открытых моделей уходит от раздачи одних весов к попытке раскрывать весь производственный процесс — код, данные, методики и оценку качества.
Линейку представил Institute of Foundation Models в Абу-Даби, сообщает The New Stack. IFM связан с Mohamed bin Zayed University of Artificial Intelligence, а релиз оформлен как крупная ставка на «полностью открытые» foundation models под лицензией Apache 2.0. В теории это позволяет не только скачать модель и поднять inference, но и разбираться, как она была обучена, на каких данных и с какими инженерными компромиссами.
В набор вошли шесть размеров: 0,9B, 3,7B, 7B, 32B, 36B-A4B и 375B-A23B. Первые четыре — плотные модели, две старшие используют разреженную архитектуру, где активна только часть параметров на токен. У 36B-A4B активируются около 4 млрд параметров, у 375B-A23B — около 23 млрд. Такой подход знаком по Mixture-of-Experts: на витрине выглядит как гигантская модель, но при генерации работает не весь «шкаф», а выбранные секции.
IFM позиционирует младшие модели как варианты для устройств и локального запуска. 0,9B предназначена для сильно ограниченного железа вроде часов и очков, 3,7B и 7B — для мобильных и on-device-сценариев, 32B и 36B-A4B — для локального хостинга и серверов внутри компании. Флагманская 375B-A23B — уже история про дата-центр, корпоративные нагрузки, агентные сценарии и API-партнеров, а не про ноутбук разработчика, который и так страдает от Docker, браузера и IDE.
Главная претензия релиза — слово «fully». В индустрии «open» давно стало резиновым термином: одни публикуют веса, другие добавляют inference-код, третьи разрешают коммерческое использование, но не раскрывают данные обучения. IFM обещает более полный комплект: веса, код, обучающие данные или рецепты их сборки, методологии, конфигурации и оценочные материалы. Для исследователей это важно: можно не просто верить таблице бенчмарков, а пытаться воспроизвести процесс и проверить, где модель действительно сильна, а где ее красиво подали.
Скепсис разработчиков понятен. Релизы больших моделей часто приезжают не как готовый промышленный продукт, а как набор артефактов разной степени зрелости: где-то есть веса, где-то код догоняет позже, где-то документация выглядит бодро только на слайдах. В случае K2 Horizon вопрос тот же: насколько полным окажется комплект для каждой из шести моделей, как быстро появится поддержка в привычных рантаймах и не выяснится ли, что «открытость» работает лучше в пресс-релизе, чем в CI/CD.
Технически релиз выглядит полезнее многих «посмотрите, мы тоже сделали LLM» анонсов. Заявлена доступность через Hugging Face, поддержка vLLM и SGLang, а также API через партнеров. Для команд, которые строят продукты на LLM, это снижает порог экспериментов: можно сравнить модель с Qwen, Llama, Mistral или DeepSeek не только по демо, но и в собственных задачах — кодогенерации, RAG, внутренних агентах, анализе тикетов, обработке документов.
Для бизнеса здесь важны три практических вопроса. Первый — лицензия: Apache 2.0 обычно удобнее для коммерческого использования, чем лицензии с дополнительными ограничениями. Второй — контроль: локальный запуск и доступ к артефактам обучения помогают компаниям, которым нельзя просто отправлять данные во внешний API. Третий — стоимость: если модель на 7B или 36B-A4B дает приемлемое качество на конкретной задаче, ее можно эксплуатировать дешевле, чем универсальный закрытый флагман. Но это «если» придется проверять руками, на своих данных и метриках.
Важный контекст: гонка открытых моделей в 2026 году стала не только инженерной, но и политической. Китайские лаборатории активно давят качеством и скоростью релизов, американские компании спорят о рисках open weights, а страны Персидского залива вкладываются в собственную ИИ-инфраструктуру как в стратегический актив. На этом фоне Абу-Даби предлагает разработчикам не просто еще одну модель, а аргумент: прозрачность как конкурентное преимущество.
Для русскоязычных IT-команд K2 Horizon стоит воспринимать без фанатизма и без снобизма. Это не повод срочно переписывать продуктовую LLM-стратегию, но хороший кандидат для пилотов: локальные ассистенты для разработки, агентные пайплайны, корпоративный поиск, сценарии с длинным контекстом и задачи, где важна проверяемость происхождения модели. Особенно интересно будет посмотреть на 7B и 36B-A4B: именно такие размеры чаще всего попадают в реальные бюджеты, а не в презентации про «enterprise AI».
Открытый вопрос теперь не в том, сможет ли IFM громко заявить о полном раскрытии моделей — это уже сделано. Вопрос в другом: превратится ли K2 Horizon в живую экосистему с нормальной документацией, воспроизводимыми результатами, патчами от сообщества и честными независимыми тестами, или останется красивым примером того, как слово «open» снова пришлось читать мелким шрифтом.