阿联酋 K2 Horizon：首个全栈开源通用智能体模型族（0.9B–375B）

首次有前沿级通用智能体模型实现训练全栈（数据+代码+日志）开源，可能重塑开源/闭源竞争格局；375B参数规模进入第一梯队；Apache 2.0协议允许商用

阿联酋穆罕默德·本·扎耶德人工智能大学（MBZUAI）成立于2019年，是阿联酋"AI战略2031"的核心学术支柱，由该国政府全额资助。德国智能系统研究所（IFM）则是德国弗劳恩霍夫协会下属的研究机构，专注于智能系统与机器人技术。两者的合作反映了欧洲-中东在AI领域寻求独立于美中双寡头的战略意图。/spanAIDEepTh信ink.cn

K2 Horizon 是由 MBZUAI 和 IFM 联合发布的通用智能体模型族，包含6个参数规模从0.9B到375B的模型。该系列的核心差异化在于采用Apache 2.0许可证允许无限制商用：不仅是权重开源，而是训练数据、训练代码、完整日志全部公开 。

这是目前公开范围内首个达到前沿能力水平的"全栈透明"通用智能体模型，打破了此前行业普遍存在的“半开源”惯例。

一、背景与演进

K2 Horizon的命名暗示了"第二座高峰"的野心（第一座是GPT/Claude/Gemini代表的闭源路线）。选择全栈开源而非仅权重开源，可能是为了：

吸引企业采用：Apache 2.0许可证消除了Llama系列存在的商用限制争议
建立学术影响力：完整训练日志使研究者可以复现、验证、改进训练过程
地缘政治定位：作为非美中来源的前沿模型，满足部分政府和企业的"供应链多元化"需求

二、技术参数

模型型号	参数规模	核心定位	关键特性
K2 Horizon 0.9B	9亿	可穿戴端侧部署	适配手表、AR眼镜等强约束环境，AIME 2026数学竞赛得分超48，同尺寸档位性能全球领先
K2 Horizon 3.7B	37亿	移动端端侧部署	面向手机等消费电子设备，推理、编码、智能体任务表现达到同规模SOTA水平
K2 Horizon 7B	70亿	端侧高性能部署	为手机端复杂智能体应用提供算力支撑，综合能力远超同级别开源模型
K2 Horizon 32B	320亿	本地私有部署	稠密架构，面向企业本地服务器部署，兼顾性能与部署便捷性
K2 Horizon 36B-A4B	360亿总参数（MoE稀疏激活）	高效私有部署	搭载全新MoVA稀疏注意力机制，每个token仅激活约40亿参数，性能逼近32B稠密模型
K2 Horizon 375B-A23B	3750亿总参数（MoE稀疏激活）	旗舰级企业部署	每个token激活230亿参数，上下文窗口达512K，智能体工具调用、长时程工作流能力追平闭源前沿模型

三、技术创新

‌

1. MoVA稀疏注意力机制‌

在36B-A4B模型中首次提出，将路由机制扩展到注意力的Value部分，大幅降低稀疏激活模型的推理算力消耗，实现小算力硬件上的高性能推理。 ‌

2. Uno Diffusion无损推理加速‌

配套推出的无损推理优化方法，可在不损失精度的前提下大幅提升推理吞吐量，适配端侧和私有服务器的低算力环境。/spanAIDEepTh信ink.cn

3. 智能体专项训练优化‌

全系列模型预训练阶段使用约20万亿token数据，其中17%为推理轨迹数据，专门针对智能体自主规划、工具调用、长时程任务执行做了深度优化。

4. ‌Reward Hacking安全加固‌

旗舰375B-A23B模型在TerminalBench 2.1基准测试中，针对奖励黑客攻击的准确率修正提升了3.37个百分点，大幅强化了智能体执行过程中的安全稳定性。

MoVA（Mixture-of-Value Attention）: 一种改进的注意力机制，将"值向量"进行混合专家（MoE）式路由。与传统MoE不同，MoVA在注意力层的值投影上引入稀疏激活，据称可在保持推理成本可控的同时提升长上下文建模能力。具体技术细节需等待独立复现验证。/spanAIDEepTh信ink.cn

Uno Diffusion: 一种"无损并行生成"方法，允许扩散模型在单次前向传播中生成多个Token，而非传统的自回归逐个生成。如果该机制在375B规模上有效，可能显著降低大模型推理的延迟——但当前公开信息未提供与标准自回归架构的吞吐量对比数据。

四、横向对比

目前，K2 Horizon尚未经过广泛的第三方独立基准测试（如LMSYS Chatbot Arena、OpenCompass等）。以下对比基于发布方提供的技术报告数据：

维度	K2 Horizon 375B	GPT-6 Astra	Claude Mythos	Gemini 3.8
参数规模	375B	未公开（估计500B+）	未公开	未公开
开源程度	数据+代码+日志+权重	仅API	仅API	仅API/部分权重
许可证	Apache 2.0	专有	专有	专有
通用智能体能力	声称具备	已验证（Critical门槛）	已验证	已验证
上下文窗口	128K	1M+	200K	1M
独立验证状态	待验证	已验证	已验证	已验证

关键不确定性：

375B版本的实际能力是否达到GPT-4/Gemini 2.5级别？发布方数据需要独立复现
MoVA和Uno Diffusion在实际推理中的效率增益是否如声称显著
训练数据的质量和多样性是否足以支撑通用智能体能力

五、应用场景分析

高契合场景（基于架构特性推断）：

1. 需要数据可控的垂直领域部署

金融、医疗、法律等对数据隐私和模型可解释性要求极高的行业
完整训练透明使合规审计成为可能
实操路径：下载基础模型 → 领域数据继续预训练 → 私有化部署

2. 学术研究与算法改进

完整日志使研究者可以分析训练动态（损失曲线、梯度行为、涌现时刻）
可验证或反驳现有训练假设（如"涌现能力是否真实存在"）

3. 独立部署

对寻求AI供应链多元化的政府和企业
中东、欧洲、东南亚部分地区可能优先评估

4. 低契合场景

需要即插即用、无需运维能力的中小企业（开源模型仍需自托管基础设施）
对模型能力要求极高且预算充足的场景（闭源前沿模型仍可能领先）

六、供应链与生态

1. 上游

MBZUAI的算力来源值得关注——375B模型的训练需要数万张GPU持续运行数月，阿联酋是否自建了大规模集群？还是租用外部算力？
训练数据的多语言覆盖（尤其是阿拉伯语、德语）可能填补现有开源模型的语种空白

2. 下游

如果能力经验证，云厂商（AWS、Azure、GCP）可能迅速提供K2 Horizon托管服务
开源权重+Apache 2.0许可证意味着任何企业均可基于此构建衍生产品，无需授权谈判/spanAIDEepTh信ink.cn

3. 竞品反应

Meta尚未公开回应，但Llama系列面临直接竞争压力
Mistral AI等欧洲开源厂商可能面临用户分流
OpenAI、Anthropic的闭源路线不受直接影响，但企业客户的"开源选项"议价筹码增加