Institute of Foundation Models 9 月 3 日发布 K2 Horizon——6 个模型（0.9B 到 375B），2026 年唯一附带权重、训练代码、训练数据、检查点和训练日志的「全开源」模型家族。不追求前沿性能，而是追求可验证性。
2026 年夏天的开源困局
今年夏天，四个重量级开源权重发布接踵而至——Kimi K3、GLM-5.3、Qwen3.8、Muse Spark 预告。它们都有一个共同点：权重开源了，训练数据没公开。 而且四条不同的自定义许可，没有一条是 Apache 2.0。
「开源」这个词在 AI 领域正在被稀释——K2 Horizon 做的事情，就是用一个极端的方式重新定义什么是真正的开源。
核心亮点
- 全开源配方：六个模型（0.9B~375B）全部附带训练数据、训练代码、权重、检查点与训练日志。这是 2026 年唯一做到这一点的模型家族。
- 规模全覆盖：最小 0.9B 可跑在笔记本上，最大 375B。不追求基准刷榜，定位为「可复现、可审计」的研究基础设施。
- 对学术和安全审计的价值：你可以从零开始复现整个训练过程——用它的数据、它的代码、它的检查点，看它每一步学到了什么。这对 AI 安全审计、政策合规有独特价值。
辩证评估
机会：在「开源越来越不像开源」的趋势下，K2 Horizon 建立了一个「全开源」的标杆。它不求超越 GPT-6 Astra，而是求「你能复现我」。对学术研究、AI 安全审计、政策合规是稀缺资源。
反向视角：不追求前沿性能意味着它不会出现在任何基准排行榜上。如果你需要的是编码/推理能力最强的模型，K2 Horizon 不是你的选择。它的价值在于过程和可验证性，而非结果。
选型建议
学术研究、AI 安全审计、可复现性研究：唯一选择- 教学场景：从 0.9B 到 375B，可逐级学习
追求前沿性能的生产场景：不如 Frontier 模型