IFM、6 つの完全オープン AI モデル「K2 Horizon」を公開し開発者の反応は分かれる

アラブ首長国連邦の首都アブダビに拠点を置く「Foundation Models Institute（IFM）」は先週、K2 Horizon を発表しました。この 6 つからなる AI ファウンデーションモデル群は、パラメータ数が 0.9 億から 3750 億まで多岐にわたり、「これまでに公開された中で最も大規模な完全オープンソースの AI モデル群」とされています。

IFM が「完全オープン（fully open）」と呼ぶのは、単にモデルの重み（weights）をダウンロードできること以上の意味を持ちます。K2 Horizon 全体を通じて、トレーニングおよび評価コードの公開、再配布が可能なトレーニングデータの提供、あるいは不可能な場合は詳細な構築レシピの提示、さらに事前学習からエージェント型ポストトレーニングに至るまでの設定情報、ログ、中間チェックポイントのすべてを公開する方針を示しています。

これは開発者がモデルの構築プロセスを検証し、再現性を持って開発を進め、自らの業務に適応させることを可能にするためのものです。ただし、このコミットメントと「リリース時点ですべてが利用可能であること」は混同すべきではありません。発表された 6 つのモデルすべてで重みのダウンロードが可能でしたが、0.9B、32B、そしてフラッグシップとなる 375B のモデルカードには、「一部のトレーニングデータやコード、チェックポイントは後日公開される」と明記されていました。また、32B モデルは Stage 1 のチェックポイントに過ぎず、最終版はまだリリースされていません。

「オープンソースは、単に重み（weights）を公開するだけではありません。科学が機能するのは、他者がデータを見られ、手法を追跡し、結果を再現し、さらに改善できる時です」と、IFM 創設者でありムハンマド・ビン・ザーイド人工知能大学（MBZUAI）の教授であるエリック・シン氏は語ります。「K2 Horizon はそのニーズに応えるものです。フライト内のすべてのモデルには、トレーニングデータ、レシピ、評価結果がすべて同梱されています。これがオープンサイエンスであり、私たちは AI にとって最善の前進道であると信じています。」

「オープンソースは、単に重みを公開するだけではありません。科学が機能するのは、他者がデータを見られ、手法を追跡し、結果を再現し、さらに改善できる時です。」

考えられるすべてのオープンモデルコンポーネント

IFM は、事前学習から推論、そしてエージェント型ポストトレーニングに至るまで、K2 Horizon モデルの全トレーニングライフサイクルを公開すると述べています。各モデルについて、中間チェックポイントやトレーニングデータ、あるいは詳細なデータ構築レシピのリリース、またはそのリリース約束を行っています。

チェックポイントはトレーニング中に保存されるスナップショットであり、研究者がモデルの発展過程を検証したり、特定の段階を再現・再開したりすることを可能にします。より広範なアーティファクトセットには、アーキテクチャの詳細、混合構成、トレーニングコード、設定ファイル、微細なログ、評価結果、そして最終的な重み（weights）が含まれています。

推論、数学、コーディング、そしてエージェントタスクのあらゆる分野において、K2 Horizon チームはすべてのモデルサイズが良好に機能すると述べています。0.9B モデルはスマートウォッチやスマートグラスといった高度に制約された環境向けに設計されており、3.7B と 7B のモデルはスマートフォンやその他のオンデバイスアプリケーションに高度な能力をもたらします。

密結合型の 32B モデルとスパース型の 36B-A4B モデルは、ローカルホスティングやオンプレミスサーバー向けにより強力なパフォーマンスを提供します。また、375B-A23B モデルは、要求の厳しいエンタープライズ展開において同シリーズで最も優れた能力を実現します。

これら 6 つのモデルは、コアアーキテクチャ、語彙、トレーニング手法、インターフェース、デプロイメントツールを共有しています（0.9B モデルのみ語彙サイズが異なります）。IFM の動的モデルルーティング技術により、タスクは最もコスト効率の高いモデルへ振り分けられ、開発者はプロトタイプから本番環境への移行パスを得られます。同組織は、コード・トレーニングデータ・レシピのすべてを完全にオープンにすることについて、「今年 AI 業界の注目を集めてきた「重み（ウェイト）のみ公開」という議論をはるかに超えた、透明性における大きな前進である」と強調しています。

この開放性は、さらに…もっと開かれたものだったのでしょうか？

IFM チームは包括的なオープンネスを通じて差別化を図っていますが、これはより開かれたものであったでしょうか？また、将来はさらに開かれる必要があるのでしょうか？

この質問に対する答えは、モデルごとに公開の度合いが異なる点にあります。3.7B と 7B モデルは、重み（weights）、レシピ、トレーニングコード、データを含む完全なアーティファクトセットと共にリリースされました。一方、0.9B モデルのカードやその能力・制限を説明するドキュメントでは、データとコードはまだ今後公開される予定である旨が示されていました。

フラッグシップモデルである 375B-A23B とスパースな 36B-A4B は当初、最終的な重みと共にリリースされましたが、完全なトレーニングコード、生データセット、中間チェックポイントは後続のアップデートで提供される予定でした。また、32B モデルは不完全な Stage 1 チェックポイントとして出荷され、最終モデルと残りのアーティファクトは後に続くことになっています。

しかし、真に問われるのは「オープンさ」の本質的な部分、つまりモデルトレーニングのより細部にある要素です。これが開発者を喜ばせるか怒らせるかの分かれ目となります。各モデルサイズごとの公開データや合成生成パイプラインが完全に再現可能でなければ、AI エンジニアは満足しないでしょう。

AI スーパーアプリ企業 CellCog の創設者兼 CEO である Nitish Garg は、K2 Horizon とそのトレーニングプロセスに関する分析の中でこう指摘しています。「数学的な推論のトレースは、ポストトレーニング用に保存されるのではなく、対話形式や学習ガイドに書き換えられ、事前トレーニングデータに混ぜ込まれました。計算資源（Compute）の開示は一切ありません。アクセラレータの数も稼働時間、コストについても言及されていません。検証可能性を主張するこのリリースにおいて、これは明白な欠陥です。今後到着する詳細なトレーニングログが、この穴を埋めることになるかもしれません。」

「計算資源の開示がどこにもない。アクセラレータの数も、使用時間もないし、コストの明細もない。透明性を主張するリリースにおいて、これは明白な穴だ。今後、詳細なトレーニングログが公開されれば、この穴を埋めることになるだろう。」

再現性のミッションは不可能か：オープンモデルが共有すべきもの

ここでは合成データセットの公開が善であるという物語が語られている。しかし、最先端のオープンモデル企業が、完全な生成プロンプト（AI モデルに合成トレーニングデータを生成させるためのテキスト入力）、シードコード（名前の通り、データセット生成プロセスを制御して開始するコアとなるコード）、あるいは正確なフィルタリングヒューリスティクス（低品質な合成データを洗浄・除去すべき箇所）を提供せずにこれを行う場合、開発者は真のエンドツーエンドでの再現性が困難であり、問題を抱え、場合によっては不可能であることを知るだろう。

さらに IFM は手法を共有したと述べているが、開発者たちは実行の詳細も求めるはずだ。複雑なモデルを実行するために使用されたハードウェアトポロジーの正確な詳細や、並列プロセッサがトレーニング中にデータをどのように交換するかを検証するための分散通信設定などが必要となるだろう。また、各トレーニングイテレーションにおけるモデル最適化の進行を追跡するパラメータであるオプティマイザ状態の記録についても言及できる。

この話題についてオープンに議論する開発者たちは、遠慮なく意見を述べています。しかし、その会話はすぐに K2 Horizon から、中国の研究所がオープンウェイトモデルの主要な供給元として台頭しているという話へと移り変わりました。ただし、彼らの学習データや完全なトレーニングスタックは依然としてクローズドのままです。

あるユーザーが「最近の中国製モデルでは事前学習済みの重みすら公開されず、開発者が入手できるのは完成した後処理済み製品だけだ」と主張したことに対し、ユーザー culi は反論しました。「いいえ、それは全くの誤りです。Qwen、GLM、Kimi、DeepSeek などは、一貫して後処理済みの「Instruct/Chat」バージョンと、その基盤となる『base』（事前学習）の重みの両方を公開しています。」

議論に参加した Hacker News のユーザー thepasch は、「真の意味でのオープンウェイトには限界がある」と考えています。「推論コードは公開されていますが、トレーニングプロセスの詳細（および他のオープンウェイトモデルの大半のトレーニング方法）は依然として完全なブラックボックスです。学習コーパスを公開した中国製モデルを一つも思い浮かべることができません。」

「オープンソースのオープンソースを 360 度開く」

最近の動画インタビュー（6:51）で、IFM のシリコンバレー研究所所長である Hector Liu はこう語りました。「AI 分野では最近、人々が『オープンソース』という用語について混乱しています。最終モデルの重みだけを公開するケースもありますが、どのように学習され、どうやって生産されているのかを教えないのです。そこで IFM は、360 度オープンソース、あるいは完全なオープンソースのパイオニアとなっています。」

同様に、開発者は最小サイズのモデルでプロトタイプを作成し、フラッグシップモデルへとスケールさせながら、IFM が主張するすべての検証を段階的に実施できると述べています。

異なるオープンアプローチ間の違いについて、誰もが理解しているわけではないという発言は、もはや驚くべきことではありません。しかし、ここでの認識の偏りは明確に示されています。

重みデータは Hugging Face で入手可能で、ローンチ日には vLLM と SGLang のサポートが提供されます。K2 Horizon API は、Compass、Cerebras、Nebius といった IFM の推論パートナーを通じて利用可能です。K2 Horizon モデルとコードは、Apache 2.0 ライセンスの下で公開されています。

（記事タイトル：K2 Horizon が6つの完全オープンモデルとしてリリースされたが、開発者の一部はまだ懐疑的）