大模型

K2 Horizon 发布:开源 LLM 这次到底开了哪一层?

ifm.ai 凌晨放出 K2 Horizon,HN 116 点热度背后,社区在意的不是又一个大模型,而是这次开放到了哪一层——权重、训练数据、还是 RLHF 全流程?

字号

ifm.ai 凌晨发了篇文章,K2 Horizon,副标题很直接:"Frontier Performance, Radically Open"。Hacker News 上拿到 116 点、31 条评论,对于一个非头部厂商的模型发布,这个热度算高了。

先说清楚 K2 Horizon 是什么。

K2 Horizon 是什么

按 ifm.ai 自己的说法,这是一款定位在前沿性能梯队的 LLM,同时强调"彻底开源"(radically open)。HN item id 是 49551760,发布时间在 2026 年 8 月。

但参数多少、context length 多少、用了什么架构,原始页面里没有给完整技术报告。这本身就是第一个信号——开源社区现在看的不是你放不放权重,而是你愿意把训练流程开放到哪一层。

跟上一波开源模型比一下:

  • Llama 3:Meta 给了权重,但 RLHF recipe、训练数据细节、数据配比,都是模糊处理。商用还有条款限制。
  • DeepSeek V3:技术报告详细得多,训练数据构成、奖励模型设计都写了,但训练数据和 reward model 的具体版本没全放出来。
  • K2 Horizon:宣传语是 "radically open",但从 HN 评论区看,社区还在等具体的"开放清单"——权重、训练数据、训练代码、RLHF recipe,哪几项是真的公开。

"开源"这两个字,已经被玩坏了。

116 点 HN 评论在讨论什么

我刷了一遍 HN 评论,三条主线比较有意思:

1. 许可协议到底放开了多少
有人在问 K2 Horizon 的 license 是不是 Apache 2.0 还是自定义。如果是自定义条款,那"radically open" 就是营销话术。这条评论下面有人回了 ifm.ai 的官方说法,但没贴具体的 LICENSE 文件链接。

2. 训练数据透明度
另一个高频问题是:训练数据来源、清洗流程、是否含有受版权争议的数据集。Llama 3 当年被病的就是这块——Meta 自己都说用了一些"未公开"的数据来源。

3. benchmark 能不能本地复现
有人贴了一个 prompt,想让别人用 K2 Horizon 跑一个非主流但有区分度的测试。这条评论点赞数挺高,说明社区关心的是"你的 MMLU 分数是不是只在你的评估脚本下成立"。

注意一个细节:讨论里没人问"K2 Horizon 比 GPT-5 强不强"。问的都是"它到底开了什么"。

开源 vs 闭源的真正分水岭

先抛一个我的判断:开源 LLM 在跑分上追平闭源头部,这事 2024 年就发生了。

Llama 3.1 405B 在 LMSYS Chatbot Arena 上的 Elo 和 GPT-4o 的差距,去年中就已经收敛到个位数。DeepSeek V3 的发布更是把"开源模型跑分不能打"这个论点彻底打没了。

那闭源厂商现在护城河在哪?

不是参数量,不是 benchmark 分数。是 RLHF 之后的产品级稳定性。

举几个具体场景:

  • 同一个 prompt 跑 100 次,输出方差多大?闭源头部(GPT-4o、Claude Sonnet 4.5、Gemini 2.5 Pro)的方差显著低于开源模型。
  • 长上下文(128K+)检索时,开源模型的"中间塌陷"问题仍然普遍。
  • JSON / function calling 的格式遵循率,闭源头部能做到 99%+,开源普遍在 90-95% 之间。

这些差距在 benchmark 榜单上看不出来,但在生产环境里就是线上事故。

所以 K2 Horizon 如果只放权重,不放 RLHF recipe(包括奖励模型权重、RLHF 训练数据、训练曲线),那"radically open"就是空话。开源社区需要的不是又一个 checkpoint,是复现路径。

如果你是工程师,该试吗

给一个具体的判断框架,别只看营销词。

适合用 K2 Horizon(或类似开源 LLM)的场景:

  1. 数据合规要求严——金融、医疗、法律,数据不能出本地。开源模型至少能私有部署。
  2. 量大但单次价值低——比如内容审核、日志分析、批量分类。闭源 API 单价高,开源 + 自托管能省一个数量级。
  3. 需要 fine-tune——你想在垂直领域定制,又不想用 OpenAI 的 fine-tuning 服务(数据隐私、定制深度都不够)。

继续用闭源 API 的场景:

  1. 产品直接面向终端用户——任何一个不一致的输出都会变成客诉。这块闭源头部仍然稳。
  2. 复杂 reasoning 任务——多步推理、长链 planning,开源模型和闭源头部仍有可见差距。
  3. 多模态——视觉、音频、视频理解,开源生态还在追。

推理成本对比(粗算):

假设:月调用量 1B tokens, 平均输入:输出 = 3:1

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

开源自托管 (H100 8 卡):
- 硬件: $3/hr * 24 * 30 = ~$2160/月 (按需)
- 或预留实例更便宜
- 加上运维人力成本

临界点: 大约 500M tokens/月 以下闭源 API 划算, 超过这个量开源更划算

实际数字取决于模型大小和推理框架(vLLM、TGI、SGLang),但量级差不多。

一个具体的试用法:

# 用 vLLM 本地跑 K2 Horizon 的最小代码
from vllm import LLM, SamplingParams

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

outputs = llm.generate(["用一句话解释 MCP 协议"], params)
for output in outputs:
    print(output.outputs[0].text)

跑之前先确认 HuggingFace 上有没有官方仓库,以及具体的推理配置要求。开源模型的部署文档质量参差不齐,这本身也是选择闭源 API 的一个隐性成本。

编辑思考

K2 Horizon 不会是下一个 Llama 时刻,原因不是它不够好,而是开源 LLM 的竞争维度变了。

2023-2024 年开源 vs 闭源的争论核心是"能不能追"——开源能不能做出和 GPT-4 一个量级的模型。答案已经很清楚了:能。DeepSeek V3、Llama 3.1 405B 都做到了。

现在的问题是"怎么用"——开源模型怎么进入生产环境、怎么和闭源 API 竞争、怎么在生态(fine-tuning、量化、部署工具链)上补齐。这次的具体新意在 ifm.ai 这类非头部大厂玩家开始正面挑战闭源头部,证明"做出前沿模型"这件事的门槛确实在降。

但反共识的角度是:发布即巅峰是开源 LLM 的常见死法。K2 Horizon 三个月后还有没有人在用、有没有基于它的 fine-tune 版本、有没有实际的 production case,取决于 ifm.ai 能不能持续投入。这点上 DeepSeek 是正面例子(V3 之后还有持续更新),Llama 3 之后 Meta 的节奏就慢了。

不确定的地方:ifm.ai 的背景我没完全核实清楚。如果是某个大厂的马甲,那这次的发布就只是营销动作。如果是真正独立的中型团队,那意义更大。欢迎知道的朋友在评论区补充。

来源:
- K2 Horizon 官方发布页
- Hacker News 讨论

来源: https://ifm.ai/blog/k2/