IFM 发布 K2 Horizon 模型系列,一次给出 375B-A23B、36B-A4B、32B、7B、3.7B 和 0.9B 六个尺寸。模型权重与代码以 Apache 2.0 开源,并公开了从预训练到推理与 agentic 后训练的完整训练生命周期。
关键信息
- 生效时间:已发布,权重、代码与训练资料同时开放
- 影响谁:有批量文本处理需求的独立站——改写商品描述、生成 alt 文本、给成千上万条评论做分类打标
- 要不要动:如果 API 账单主要花在这类批处理上,值得拿 7B 用自己的真实样本测一次;对外发布的成稿别省这个钱
发生了什么
六个模型共享核心架构、词表(0.9B 使用更小的词表)、训练方法、接口、评测基础设施和部署工具,全部支持量化。IFM 称 0.9B、3.7B 和 7B 在各自尺寸段刷新了业界最好成绩;36B-A4B 采用其新提出的 Mixture-of-Value-Attention(MoVA)注意力机制,单位激活参数的能力突出,超过部分体量大得多的模型;32B 和 375B-A23B 在各自类别中位居前列。定位上,0.9B 面向手表、眼镜这类高度受限的设备,3.7B 和 7B 面向手机等端侧场景,32B 与 36B-A4B 面向本地工作站和高效服务,375B-A23B 面向企业部署。开放程度是这次发布的重点:每个模型都公开了中间检查点、训练数据或详细的数据构造配方、开放架构、混合配比、训练代码、配置、细粒度日志、评测结果和最终权重。模型和代码用 Apache 2.0 许可,数据集按各自适用的许可(如 ODC-BY)发布;无法再分发的部分,IFM 说明了数据如何构造和混合。IFM 称这是迄今最全面的开源模型发布,也是第一个把 agentic 后训练全过程公开的开源模型家族。
对独立站卖家意味着什么
今天大部分模型新闻对做电商的人没什么用,这条不一样的地方在许可证。Apache 2.0 加上能在自己机器上跑,意味着一类活可以从按 token 付费变成一次性硬件成本:批量改写商品描述、给几千张图生成 alt 文本、把上万条评论按主题和情绪分类打标、把供应商的原始参数表洗成统一格式。这些活的共同点是量大、重复、对推理深度要求不高,但按 API 计费时账单相当可观。7B 和 3.7B 这个尺寸段在一台带独显的工作站、甚至配置好的 Mac 上就能跑起来,不需要租 GPU。具体该做什么:先看自己的 API 账单结构,如果大头花在上面那类批处理上,让懂技术的人拿 7B 跑一次对比——关键是拿你自己的真实商品和评论数据测,不是看官方 benchmark,尺寸段 SOTA 和你的品类文案表现是两码事。反过来,需要品牌语气、要直接对外发布的成稿,还是用商业模型,省这笔钱不划算。有两点要如实说明:一是这些性能宣称来自 IFM 自己的评测,尚无第三方复现;二是官方公布的评测里没有中文电商文案这一项,所以中文场景的实际表现需要你自己验证。真要落地,先拿一个低风险场景试水,比如 alt 文本生成,错了也不影响转化。