6つのオープンモデルを統合！「K2 Horizon」が切り拓く次世代AIフリートの可能性

「K2 Horizon」は、6つのオープンモデルを連携させた革新的なフリート（統合モデル群）です。単一モデルの限界を超え、複数のモデルをシームレスに組み合わせることで、精度の向上と多様なタスクへの対応を実現しました。AI開発の新たな選択肢として注目すべきプロジェクトです。

少しトピックから逸れるけど、モデル疲れし始めてる気がする。10年前のJavaScriptフレームワークの登場より10倍速いペースで出てくるからね（まあ、新しいモデルの方が導入はずっと楽だけど）。

真にオープンなモデルは、AIの未来において本当に重要な一部であるべきだよ。ソースコードはもちろん、トレーニングデータ、データの構造化方法、モデルへの入力方法、処理の仕組みなど全部含めてね。それが実現するまでは、使っているクローズドなモデルの裏で何が起きているのか常に疑問が残るし、社会操作の可能性を排除できないままだよ。

元々のリンクはログイン画面に飛ばされるから、こっちのリンク（K2）[https://ifm.ai/k2/ (https://ifm.ai/k2/)] を使って。

フルオープンなスタックを出すプレイヤーが増えるのは素晴らしいことだね。他にはNvidiaのNemotronくらいしか思い浮かばないし。ただ、見出しで主張している性能と、自己報告されているパフォーマンスが一致していないんだよね。例えば、denseな32BモデルはQwen2.5 32BやQwen2.5 72Bに比べてかなり劣る（https://ifm.ai/blog/k2 の下のほうにあるチャートを参照）。Gemma2 27Bも比較対象に入っていないし。今はセルフホストできるオープンウェイトモデルにとって一番重要なスイートスポットなんだから、ここでの真の競合は非常に歓迎したい。

主要なクローズドLLMが一斉にダウンしたその日にこれを見るのは、オープンソースがいかに価値あるものかを改めて思い知らされるね。

面白いのは、これらのリリースは技術的には奇跡的なのに、ドキュメントのチャートで使われてるフォントが小さすぎて読みにくいことだね。「コーディングの問題は解決できても、センスまでは解決できない」という格言を体現してるよ。

興味本位で3.7Bモデルを軽く触ってみたけど、コーディング用途では信頼しない方がいいね。自分がモデルによく出す基本的なテストに失敗して間違ったコードを生成したし、バグを指摘したら存在しないAPIをハルシネーション（幻覚）し始めた。その後は動作しないコードをデバッグしようとして無限ループに陥ってたよ。

トレーニングデータやレシピを共有する「真にオープン」なモデル開発が進んでいるのは嬉しいね。今後ハードウェアのコストが下がれば（そう願う）、ソースとなる学習データを検証するためのソフトウェア開発やファインチューニングの可能性がもっと広がるはず。他にも知っているオープンモデルはこれくらいかな：

• OLMo
• Apertus
• Soofi
• OpenEuroLLM
• llm-jp

OLMoが一番有名だろうね。彼らのDolmaトレーニングコーパスは他のプロジェクトでも再利用されてるし。K2のトレーニング素材はまだ公開されてないみたいだけど、「long-horizon agentic tasks（長期的なエージェントタスク）」の学習にどう取り組んだのかには興味があるよ。SWE-smith + SWE-gymは知ってるけど、今はもっと色々なものがあるんだろうね。自分は専門家じゃないからこそ、こういうプロジェクトにはワクワクするよ。学習用の良い教材になってくれると期待してる。

Unoの「diffusion adaptor」を理解するには時間がかかりそうだけど、すごく面白そうだね。

https://huggingface.co/IFM/K2-Horizon-7B-Uno (https://huggingface.co/IFM/K2-Horizon-7B-Uno)

オープンな姿勢は立派だけど、ベンチマークを見る限り32Bや36BのモデルはQwen2.5 32B（注：コメント文脈より補完）より劣っているね。denseモデルだけじゃなくて、それらも27Bと比較してほしかった。あと、フルテーブルでコーディングのベンチマークをもっとたくさん見たかったな。