Instytut Foundation Models wydał K2 Horizon - serię sześciu modeli w rozmiarach 375B-A23B, 36B-A4B, 32B, 7B, 3.7B i 0.9B, wszystkie dostępne na Hugging Face pod licencją Apache 2.0. To zdecydowanie najbardziej kompleksowe wydanie - oprócz samych wag modeli IFM udostępnił pełny corpus pre-treningowy, kod treningowy, konfiguracje oraz szczegółowe logi z procesu szkolenia.
Klucz do praktycznego znaczenia K2 Horizon leży w konsystencji między modelami. Wszystkie sześć dzieli wspólna architektura, słownictwo, metodologia treningowa i interfejsy. Oznacza to, że zespół może zacząć od prototypowania na modelu 3.7B, a następnie skalować do wersji 375B bez konieczności zmiany stosu serving'u. Każdy model był pre-trenowany na około 20 trylionach tokenów, z czego ponad 17 procent corpus'u to trajektorie rozwiązywania problemów z explicytnym reasoningiem. Około 10 trylionów tokenów pochodzi z syntezy.
Praktyczne zastosowanie jest dostępne od razu - modele działają z vLLM, SGLang i Ollama na sprzęcie NVIDIA, AMD i Cerebras, a także przez hostowane API. Budowy FP8 i GGUF umożliwiają wdrażanie nawet na mniej zasobnych systemach. To podejście, gdzie każdy rozmiar modelu to praktycznie ten sam system tylko z innym skalowaniem, zmienia grę dla zespołów budujących aplikacje AI, pozwalając im elastycznie przechodzić między wydajnością a kosztami bez refaktoryzacji.