La majoria de models d'intel·ligència artificial que es presenten com a «oberts» només publiquen els pesos entrenats, no el codi ni les dades amb què s'han entrenat, cosa que impedeix a la resta de la comunitat científica reproduir-los o auditar-ne el funcionament intern. Aquesta distinció, entre l'«open weights» i el que alguns investigadors anomenen «open science», ha estat un dels debats de fons de la indústria durant els últims anys, especialment quan grans laboratoris han passat de publicar models oberts a tancar-ne l'accés per raons comercials.
El 3 de setembre, l'Institute of Foundation Models (IFM), un centre creat per la Universitat Mohamed bin Zayed d'Intel·ligència Artificial (MBZUAI) a Abu Dhabi, ha presentat K2 Horizon, una família de sis models —de 0,9, 3,7, 7, 32, 36 (amb 4.000 milions de paràmetres actius) i 375.000 milions de paràmetres (amb 23.000 milions actius)— publicats íntegrament amb els pesos, el codi, les dades d'entrenament i la metodologia, sota llicència Apache 2.0. Els models ja estan disponibles a Hugging Face i són compatibles de sortida amb eines com vLLM, SGLang, Ollama i Unsloth, mentre que l'accés via API es fa a través de socis com Compass, Cerebras, AWS i Nebius. El fundador de l'IFM, Eric Xing, ha declarat que «el codi obert és molt més que pesos oberts [...] això és ciència oberta, i creiem que és el millor camí per a la IA», mentre que el director del seu laboratori a Silicon Valley, Hector Liu, ha subratllat que cada mida «està construïda per competir amb els millors models oberts de la seva categoria».
La notícia és rellevant perquè poques iniciatives d'aquesta escala —incloent-hi el model més gran, de 375.000 milions de paràmetres— publiquen alhora les dades d'entrenament i la metodologia completa, un nivell de transparència que permet a investigadors independents reproduir els resultats i detectar-ne els límits, i que reforça la posició dels Emirats Àrabs Units com a actor rellevant en la IA oberta, en un moment en què diverses empreses occidentals han restringit l'accés als seus models més avançats.
Cal llegir amb prudència les xifres de rendiment: l'IFM afirma que els models més petits (0,9, 3,7 i 7 milers de milions de paràmetres) assoleixen l'estat de l'art a la seva escala en raonament, matemàtiques, programació i tasques amb agents, però es tracta de benchmarks interns, encara sense verificació independent generalitzada. Tampoc se sap encara quin suport a llarg termini rebran uns models la publicació dels quals implica un cost de manteniment considerable.