Entre o anúncio e o repositório: a prova do código aberto para o K2 Horizon

Em 3 de setembro de 2026, o Institute of Foundation Models (IFM), entidade fundada em maio de 2025 pela Mohamed bin Zayed University of Artificial Intelligence e com operações entre Abu Dhabi, o Vale do Silício e Paris, anunciou o lançamento da família K2 Horizon. São seis modelos publicados sob licença Apache 2.0, com tamanhos de 0,9, 3,7, 7, 32 e 36 bilhões de parâmetros com 4 bilhões ativos (variante MoVA), e 375 bilhões com 23 bilhões ativos por token. A ficha técnica oficial indica para o modelo de 375B uma janela de contexto nativa de 512K tokens (524.288); um veículo do setor, por sua vez, informa 131.072 para o mesmo modelo. A discrepância não foi esclarecida. No plano do desempenho independente, a Artificial Analysis atribui ao modelo de 375B uma pontuação de 38 no seu próprio Intelligence Index, contra uma mediana de 22 medida entre os modelos open-weight de tamanho semelhante.

A verdadeira questão em aberto, no entanto, diz respeito ao quanto o lançamento é completo. No comunicado divulgado no PR Newswire, o instituto descreve a distribuição como incluindo pesos, código-fonte, dados de treinamento e metodologias para todas as seis variantes. O fundador do IFM e presidente da MBZUAI, Eric Xing, sublinhou essa abordagem: “Código aberto é muito mais do que pesos abertos. A ciência funciona quando outros podem ver os dados, seguir o método, reproduzir o resultado e melhorá-lo.” Ainda assim, a verificação dos repositórios da organização no Hugging Face mostra os pesos dos modelos, mas apenas um conjunto de dados dedicado às fontes de avaliação, chamado “eval-360-sources”. O próprio model card do modelo de 375B admite o descompasso temporal, precisando que “publicamos o checkpoint final; os checkpoints intermediários, junto com os dados e o código de treinamento, serão publicados”. O conjunto de dados de treinamento e o código de treinamento não estão publicados no momento, o que deixa impossível de verificar a promessa de reprodutibilidade completa declarada no lançamento. O IFM não respondeu publicamente sobre a discrepância e não se conhece um calendário para a publicação dos dados de treinamento.

Disponíveis para integração com vLLM e SGLang e utilizáveis por meio de parceiros de inferência como Compass, Cerebras, AWS e Nebius, os modelos incluem soluções de destaque. Segundo o comunicado, a variante MoVA de 36B adota uma arquitetura Mixture of Value Attention e uma técnica de destilação por difusão com uma aceleração declarada de três vezes — dados não verificados de forma independente. Continuam desconhecidos o número total de tokens usados no treinamento e o volume de computação empregado. O site oficial ifm.ai rejeita requisições automatizadas (HTTP 403): o texto do blog do instituto não foi lido diretamente, e as declarações aqui reproduzidas vêm do comunicado no PR Newswire e do model card.

Reivindicar a superação do modelo de apenas pesos abertos é um passo ambicioso. Mas enquanto os dados de treinamento e as receitas originais continuarem sendo promessas no futuro, a distância entre o anúncio e a prova científica permanece inteira por percorrer.

— Olya