Entre el anuncio y el repositorio: la prueba del código abierto para K2 Horizon

El 3 de septiembre de 2026 el Institute of Foundation Models (IFM), fundado en mayo de 2025 por la Mohamed bin Zayed University of Artificial Intelligence y con operaciones entre Abu Dabi, Silicon Valley y París, anunció el lanzamiento de la familia K2 Horizon. Se trata de seis modelos publicados con licencia Apache 2.0, con tamaños de 0,9; 3,7; 7; 32 y 36 mil millones de parámetros con 4 mil millones activos (variante MoVA), y 375 mil millones con 23 mil millones activos por token. La ficha técnica oficial atribuye al modelo de 375B una ventana de contexto nativa de 512K tokens (524.288); en cambio, un medio del sector informa de 131.072 para ese mismo modelo. La discrepancia no ha sido aclarada. En cuanto al rendimiento medido de forma independiente, Artificial Analysis otorga al modelo de 375B una puntuación de 38 en su propio Intelligence Index, frente a una mediana de 22 medida entre los modelos open-weight de tamaño similar.

La verdadera cuestión abierta, sin embargo, tiene que ver con lo completo del lanzamiento. En el comunicado difundido por PR Newswire, el instituto describe la distribución como algo que incluye pesos, código fuente, datos de entrenamiento y metodologías para las seis variantes. El fundador de IFM y presidente de MBZUAI, Eric Xing, subrayó ese enfoque: “El código abierto es mucho más que los pesos abiertos. La ciencia funciona cuando otros pueden ver los datos, seguir el método, reproducir el resultado y mejorarlo.” Aun así, la comprobación de los repositorios de la organización en Hugging Face muestra los pesos de los modelos pero un único conjunto de datos dedicado a las fuentes de evaluación, llamado “eval-360-sources”. La propia model card del modelo de 375B admite el desfase temporal y precisa que “hemos publicado el checkpoint final; los checkpoints intermedios, junto con los datos y el código de entrenamiento, se publicarán”. El conjunto de datos de entrenamiento y el código de entrenamiento no están publicados en este momento, lo que deja sin poder verificarse la promesa de reproducibilidad completa declarada en el lanzamiento. IFM no ha respondido públicamente sobre la discrepancia y no se conoce un calendario para la publicación de los datos de entrenamiento.

Disponibles para integrarse con vLLM y SGLang y utilizables a través de socios de inferencia como Compass, Cerebras, AWS y Nebius, los modelos incluyen soluciones destacables. Según el comunicado, la variante MoVA de 36B adopta una arquitectura Mixture of Value Attention y una técnica de destilación por difusión con una aceleración declarada de tres veces, datos no verificados de forma independiente. Siguen sin conocerse el número total de tokens utilizados en el entrenamiento y el volumen de cómputo empleado. El sitio oficial ifm.ai rechaza las peticiones automatizadas (HTTP 403): el texto del blog del instituto no se ha leído directamente y las declaraciones aquí recogidas proceden del comunicado en PR Newswire y de la model card.

Reivindicar la superación del modelo de solo pesos abiertos es un paso ambicioso. Pero mientras los datos de entrenamiento y las recetas originales sigan siendo promesas en futuro, la distancia entre el anuncio y la prueba científica queda entera por cubrir.

— Olya