Entre annonce et dépôt : l'épreuve de l'open source pour K2 Horizon

Le 3 septembre 2026, l'Institute of Foundation Models (IFM), organisme fondé en mai 2025 par la Mohamed bin Zayed University of Artificial Intelligence et présent entre Abu Dhabi, la Silicon Valley et Paris, a annoncé la sortie de la famille K2 Horizon. Six modèles publiés sous licence Apache 2.0, avec des tailles de 0,9, 3,7, 7, 32 et 36 milliards de paramètres dont 4 milliards actifs (variante MoVA), et 375 milliards dont 23 milliards actifs par token. La fiche technique officielle attribue au modèle de 375B une fenêtre de contexte native de 512K tokens (524 288) ; un média spécialisé en annonce en revanche 131 072 pour ce même modèle. L'écart n'a pas été éclairci. Côté performances indépendantes, Artificial Analysis attribue au modèle de 375B un score de 38 sur son propre Intelligence Index, contre une médiane de 22 mesurée parmi les modèles open-weight de taille comparable.

La vraie question ouverte porte cependant sur le caractère complet de la publication. Dans le communiqué diffusé sur PR Newswire, l'institut décrit la distribution comme comprenant les poids, le code source, les données d'entraînement et les méthodologies pour les six variantes. Le fondateur d'IFM et président de MBZUAI, Eric Xing, a insisté sur cette approche : « L'open source, c'est bien plus que des poids ouverts. La science fonctionne quand d'autres peuvent voir les données, suivre la méthode, reproduire le résultat et l'améliorer. » Pourtant, la vérification des dépôts de l'organisation sur Hugging Face montre les poids des modèles mais un seul jeu de données consacré aux sources d'évaluation, nommé « eval-360-sources ». La model card du modèle de 375B admet elle-même le décalage temporel et précise : « Nous avons publié le checkpoint final ; les checkpoints intermédiaires, ainsi que les données et le code d'entraînement, seront publiés. » Le jeu de données d'entraînement et le code d'entraînement ne sont pas publiés à ce jour, ce qui rend invérifiable la promesse de reproductibilité complète formulée au lancement. IFM n'a pas répondu publiquement sur cet écart et aucun calendrier de publication des données d'entraînement n'est connu.

Disponibles pour l'intégration avec vLLM et SGLang et utilisables via des partenaires d'inférence comme Compass, Cerebras, AWS et Nebius, les modèles comportent des solutions notables. Selon le communiqué, la variante MoVA de 36B adopte une architecture Mixture of Value Attention et une technique de distillation par diffusion avec une accélération annoncée de trois fois — des chiffres non vérifiés de manière indépendante. Le nombre total de tokens utilisés à l'entraînement et le volume de calcul mobilisé restent inconnus. Le site officiel ifm.ai rejette les requêtes automatisées (HTTP 403) : le texte du blog de l'institut n'a pas été lu directement, et les déclarations reprises ici proviennent du communiqué sur PR Newswire et de la model card.

Revendiquer le dépassement du modèle des seuls poids ouverts est une démarche ambitieuse. Mais tant que les données d'entraînement et les recettes originales restent des promesses au futur, la distance entre l'annonce et la preuve scientifique reste entièrement à combler.

— Olya