大型語言模型

K2 Horizon 登場:這次開源究竟開到哪一層?

ifm.ai 發布 K2 Horizon,社群關注的不只是模型效能,而是它是否真正公開權重、訓練資料、程式碼與 RLHF 流程。真正的分水嶺,已經從 benchmark 成績轉向能否完整重現。

字級

ifm.ai 凌晨發布了一篇文章,介紹 K2 Horizon,副標題直接寫著:「Frontier Performance, Radically Open」。它在 Hacker News 獲得 116 點與 31 則留言;對一家並非產業頭部公司的模型發布而言,這樣的關注度已經不低。

先釐清 K2 Horizon 究竟是什麼。

K2 Horizon 是什麼

按照 ifm.ai 的說法,這是一款瞄準前沿效能的 LLM,同時強調「徹底開源」(radically open)。HN item id 是 49551760,發布時間為 2026 年 8 月。

但參數量、context length 與模型架構等資訊,原始頁面並未提供完整技術報告。這本身就是第一個訊號——開源社群現在關注的,已經不只是是否釋出權重,而是願意把訓練流程公開到什麼程度。

和上一波開源模型相比:

  • Llama 3:Meta 釋出了權重,但 RLHF recipe、訓練資料細節與資料配比都交代得相當模糊,商用也設有條款限制。
  • DeepSeek V3:技術報告詳細許多,也公開訓練資料構成與 reward model 設計,但訓練資料及 reward model 的具體版本沒有完整釋出。
  • K2 Horizon:主打了「radically open」,但從 HN 留言區來看,社群仍在等待一份具體的「開放清單」——權重、訓練資料、訓練程式碼與 RLHF recipe,究竟哪些真的公開。

「開源」這兩個字,已經有點被用爛了。

116 點 HN 討論在關注什麼

看過一輪 HN 留言後,三條討論主線特別有意思:

1. 授權條款放寬了多少

有人在詢問 K2 Horizon 的 license 究竟是 Apache 2.0 還是自訂條款。如果採用自訂條款,那麼「radically open」就只是行銷話術。留言下方有人引用 ifm.ai 的官方說法,但沒有附上具體的 LICENSE 檔案連結。

2. 訓練資料透明度

另一個高頻問題是:訓練資料來自哪裡、如何清理,以及是否包含涉及版權爭議的資料集。Llama 3 當年最受詬病的就是這一塊——Meta 自己承認使用了一些「未公開」的資料來源。

3. benchmark 能否在本地重現

有人貼出一段 prompt,邀請其他人用 K2 Horizon 執行一個較非主流、但具有辨識度的測試。這則留言的讚數相當高,顯示社群在意的是:「你的 MMLU 成績,是否只有在自家評測腳本下才成立?」

值得注意的是,討論中沒有人問「K2 Horizon 會不會比 GPT-5 強」。大家問的都是:「它到底公開了什麼?」

開源與閉源真正的分水嶺

先提出一個判斷:開源 LLM 在跑分上追平閉源頭部模型,這件事在 2024 年就已經發生。

Llama 3.1 405B 在 LMSYS Chatbot Arena 的 Elo 與 GPT-4o 的差距,去年年中已縮小至個位數。DeepSeek V3 的發布,更是一舉推翻「開源模型跑分不能打」的說法。

那麼,閉源廠商現在的護城河在哪裡?

不是參數量,也不是 benchmark 分數,而是 經過 RLHF 之後的產品級穩定性。

看幾個具體場景:

  • 同一個 prompt 執行 100 次,輸出方差有多大?閉源頭部模型(GPT-4o、Claude Sonnet 4.5、Gemini 2.5 Pro)的方差明顯低於開源模型。
  • 處理 128K+ 長上下文檢索時,開源模型仍普遍存在「中間塌陷」問題。
  • JSON 與 function calling 的格式遵循率,閉源頭部模型可達 99% 以上,開源模型通常落在 90% 至 95%。

這些差距不會反映在 benchmark 榜單上,卻可能直接演變成正式環境的線上事故。

因此,如果 K2 Horizon 只釋出權重,卻不公開 RLHF recipe,包括 reward model 權重、RLHF 訓練資料與訓練曲線,那麼「radically open」就是空話。開源社群需要的不是另一個 checkpoint,而是完整重現的路徑。

如果你是工程師,該試嗎

以下是一套具體的判斷框架,不要只看行銷詞。

適合使用 K2 Horizon(或類似開源 LLM)的場景:

  1. 資料合規要求嚴格——金融、醫療與法律資料不能離開本地環境。開源模型至少能支援私有部署。
  2. 量大但單次價值低——例如內容審核、記錄分析與批次分類。閉源 API 單價較高,採用開源模型加自架託管可省下一個數量級的成本。
  3. 需要 fine-tune——想在垂直領域客製化,卻不想使用 OpenAI 的 fine-tuning 服務,無論是資料隱私或客製深度都難以完全滿足需求。

適合繼續使用閉源 API 的場景:

  1. 產品直接面向終端使用者——任何一次輸出不一致,都可能成為客訴。閉源頭部模型在這方面仍然穩定。
  2. 複雜 reasoning 任務——在多步推理與長鏈 planning 上,開源模型和閉源頭部之間仍有明顯差距。
  3. 多模態——視覺、影音與影片理解方面,開源生態仍在追趕。

推理成本比較(粗估):

假設:月調用量 1B tokens, 平均輸入:輸出 = 3:1

閉源 API (GPT-4o 級別): $2.5/1M input + $10/1M output
= 0.75 * 1B * 2.5/M + 0.25 * 1B * 10/M
= $1875 + $2500 = ~$4375/月

開源自託管 (H100 8 卡):
- 硬體: $3/hr * 24 * 30 = ~$2160/月 (按需)
- 或預留實例更便宜
- 加上維運人力成本

臨界點: 大約 500M tokens/月 以下閉源 API 划算, 超過這個量開源更划算

實際數字取決於模型大小與推理框架(vLLM、TGI、SGLang),但整體成本級別大致如此。

一個具體的試用方式:

# 用 vLLM 本地跑 K2 Horizon 的最小程式碼
from vllm import LLM, SamplingParams

llm = LLM(model="ifm-ai/K2-Horizon")  # 假設的 HF repo 名
params = SamplingParams(temperature=0.7, max_tokens=512)

outputs = llm.generate(["用一句話解釋 MCP 協議"], params)
for output in outputs:
    print(output.outputs[0].text)

執行前,應先確認 HuggingFace 上是否有官方 repo,以及具體的推理設定要求。開源模型的部署文件品質參差不齊,而這本身也是選擇閉源 API 時的一項隱性成本。

編輯觀察

K2 Horizon 不會成為下一個 Llama 時刻,原因不是它不夠好,而是開源 LLM 的競爭維度已經改變。

2023 至 2024 年,開源與閉源之爭的核心是「能不能追上」——開源社群能否做出與 GPT-4 同級的模型。答案早已相當明確:能。DeepSeek V3 與 Llama 3.1 405B 都做到了。

現在的問題是「怎麼使用」——開源模型如何進入正式環境、如何與閉源 API 競爭,以及如何補齊 fine-tuning、量化與部署工具鏈等生態環節。這次較特別的意義,在於 ifm.ai 這類非頭部大廠開始正面挑戰閉源頭部,證明「做出前沿模型」這件事的門檻確實正在降低。

但另一個容易被忽略的問題是:發布即巔峰是開源 LLM 常見的失敗方式。K2 Horizon 發布三個月後是否仍有人使用、是否出現基於它的 fine-tune 版本,以及是否累積真正的 production case,都取決於 ifm.ai 能否持續投入。DeepSeek 是值得參考的正面案例,V3 之後仍持續更新;Llama 3 之後,Meta 的步調則慢了下來。

目前仍有一項資訊無法確認:ifm.ai 的背景尚未完全查清。如果它是某家大型企業的對外品牌,那麼這次發布可能只是行銷操作;如果它真的是一支獨立的中小型團隊,意義就大得多。歡迎知情者在留言區補充。

來源:

來源: https://ifm.ai/blog/k2/