K2 Horizon 7B
Le modèle de raisonnement de taille moyenne de la famille K2 Horizon, publié en septembre 2026 par l'Institute of Foundation Models (IFM, MBZUAI) sous licence Apache 2.0. Il est ouvert bien au-delà des poids : les données et la recette d'entraînement sont publiques, tout comme la plupart des checkpoints intermédiaires et les journaux d'entraînement ; le code et le rapport technique sont annoncés pour fin septembre. Il lit 524 288 jetons de contexte. Le nom dit 7B, mais Hugging Face compte 9 milliards de paramètres dans les poids publiés (IFM parle d'un cœur de 7B). Artificial Analysis lui donne 21 à son indice d'intelligence, là où la médiane des modèles ouverts de taille comparable est à 8. IFM annonce 70,6 sur SWE-bench Verified, contre 50,8 pour Qwen3.5-9B dans son propre tableau.
Forces
- 21 à l'indice d'intelligence d'Artificial Analysis, contre une médiane de 8 pour les modèles ouverts de sa taille : une mesure indépendante, pas un chiffre d'éditeur
- Ouvert jusqu'au bout : données et recette d'entraînement publiques, checkpoints intermédiaires du pré-entraînement à la SFT, journaux d'entraînement, le tout sous Apache 2.0
- 524 288 jetons de contexte natifs, de quoi charger un gros dossier de documents sans découper
- Servi directement par vLLM et SGLang avec des recettes validées par IFM, appels d'outils compris
Limites
- Bavard : 160 millions de jetons générés pour passer l'indice d'Artificial Analysis, contre 76 millions pour la médiane de sa taille. En local, ça se paie en temps d'attente
- « 7B » dans le nom, 9 milliards de paramètres dans les poids : le seul GGUF officiel est en BF16 et pèse 18 Go, hors de portée d'une machine de 16 Go
- llama.cpp ne connaît pas encore l'architecture (PR en cours) : le dépôt GGUF renvoie au fork d'IFM en attendant, à compiler toi-même
- Carte déclarée en anglais uniquement, et le code comme le rapport technique ne sont pas encore publiés : garde un œil sur ce que vaut vraiment son français
Pour qui
- Développeurs qui veulent un modèle de raisonnement local et ouvert, avec une carte graphique ou une mémoire d'au moins 18 Go libres
- Équipes qui doivent justifier la provenance d'un modèle : données, recette et checkpoints sont consultables
- Curieux qui veulent comprendre comment un modèle acquiert ses capacités, étape par étape, grâce aux checkpoints intermédiaires