K2 Horizon: sechs Modelle unter Apache 2.0

Am 03.09.2026 hat das Institute of Foundation Models sechs Modelle auf einmal veröffentlicht, von 0,9 bis 375 Milliarden Parametern, alle unter Apache 2.0. Das ist die interessantere Modellmeldung der Woche, auch wenn die laute am selben Tag von OpenAI kam.

Hinter IFM steht die Mohamed bin Zayed University of Artificial Intelligence. Gegründet wurde es im Mai 2025, gearbeitet wird in Abu Dhabi, im Silicon Valley und in Paris. Aus derselben Ecke kam schon LLM360, jene Initiative, die Modelle nicht nur als fertige Gewichte herausgibt, sondern mit Trainingscode, Daten und Zwischenständen. Das ist der Anspruch, an dem sich K2 Horizon messen lassen muss.

Die sechs Modelle

Die Kontextangaben stammen nicht aus der Ankündigung, sondern aus den config.json der Modelle. Fünf der sechs geben 524.288 Token an, das kleinste 131.072. Der Blogpost erwähnt das gar nicht, dabei ist es einer der praktischeren Werte.

Alle sechs teilen sich Architektur, Vokabular, Trainingsmethode und Werkzeugkette. Für Teams heißt das: Wer auf dem Notebook mit dem 7B entwickelt und später auf dem Server das 375B fährt, wechselt nicht den Anbieter und nicht das Promptformat.

Die Lizenz stimmt, und das ist keine Selbstverständlichkeit

Modelle und Code stehen unter Apache 2.0. Nachgesehen haben wir nicht in der Pressemitteilung, sondern in den Modellkarten: license: apache-2.0, bei jedem der sechs.

Das ist der Unterschied zu vielen Veröffentlichungen der letzten Monate, die als "offen" angekündigt werden und dann unter einer eigenen Herstellerlizenz liegen. Bei GLM-5.3 war das zuletzt der Fall, und die Frage stellt sich bei jedem Drop neu. Wer die Lizenz nicht prüft, hat später ein Problem in der Rechtsabteilung und nicht im Rechenzentrum. Warum das für Teams im DACH-Raum mehr ist als Formalie, steht in Offene Gewichte und Souveränität.

Wo die Offenheit noch nicht eingelöst ist

Hier wird es unangenehm, und deshalb steht es hier.

IFM bewirbt K2 Horizon als "the first fully open model fleet for agents" und verspricht Zwischen-Checkpoints, Trainingsdaten oder Datenrezepte, Trainingscode, Konfigurationen und feingranulare Logs. Beim Nachsehen ist der Stand uneinheitlich:

• Die Modellkarte des 7B sagt, Zwischen-Checkpoints seien veröffentlicht und Trainingsdaten, Rezept und Code seien öffentlich.
• Die Modellkarte des 375B, also des Flaggschiffs, sagt etwas anderes: veröffentlicht sei der finale Checkpoint, Zwischenstände, Daten und Trainingscode "will be released". Zukunftsform.
• Die in den Modellkarten verlinkten Datensätze IFM/K2-Horizon-Pretrain-Data und IFM/K2-Horizon-Midtrain-Data antworten am 04.09.2026 mit HTTP 401 und tauchen in der Liste der 17 öffentlichen IFM-Datensätze nicht auf. Sie sind referenziert, aber nicht frei abrufbar.

Das ist kein Betrug, sondern eine Ankündigung, die der Auslieferung vorausläuft. Für die Bewertung heute heißt es trotzdem: Die Gewichte sind da und nutzbar, die vollständige Nachvollziehbarkeit ist es noch nicht. Wer K2 Horizon genau wegen der Reproduzierbarkeit einplant, sollte den Stand vor der Entscheidung selbst prüfen statt der Überschrift zu glauben.

MoVA, der technisch neue Teil

Bei klassischen Mixture-of-Experts-Modellen sitzt die Sparsamkeit in den Feed-Forward-Schichten: viele Experten, pro Token wird nur ein kleiner Teil aktiviert. IFM zieht dieses Prinzip in die Attention hinein und nennt es Mixture-of-Value-Attention.

Das Ergebnis ist das 36B-A4B: 36 Milliarden Parameter insgesamt, rund 4 Milliarden aktiv pro Token, und laut Anbieter nur knapp unter dem dichten 32B-Modell. Wenn sich das unabhängig bestätigt, ist es der interessanteste Wert der ganzen Veröffentlichung, weil er die Hardwarehürde für lokalen Betrieb spürbar senkt. Was das an echter Hardware bedeutet, haben wir im Hardware-Test für lokale Modelle durchgerechnet.

Was noch offen ist

Die Benchmarkzahlen stammen bislang ausschließlich von IFM selbst. Unabhängige Nachmessungen gibt es zum Zeitpunkt dieses Textes nicht, und bei einem Institut, das gerade seine Position im Feld begründet, ist das ein relevanter Vorbehalt.

Dazu ein Punkt, den man in Deutschland, Österreich und der Schweiz zuerst prüfen sollte: Die Modellkarten geben als Sprache durchgehend en an, beim 0,9B zusätzlich zh. Deutsch ist nirgends deklariert. Das heißt nicht, dass es nicht funktioniert, aber es heißt, dass niemand dafür geradesteht. Testet an euren eigenen Texten, bevor ihr das Modell in einen deutschsprachigen Ablauf hängt.

Auch die Nutzungszahlen sind noch klein. Zwischen 151 und 220 Downloads pro Modell am Tag nach der Veröffentlichung sind ein frisches Release, keine erprobte Basis.

Die andere Meldung derselben Woche

Am selben Tag hat OpenAI GPT-6 Astra vorgestellt, das Modell mit den lauteren Zahlen und dem AGI-Vokabular. Es kostet 10 Dollar je Million Eingabetoken und 50 Dollar Ausgabe, läuft ausschließlich bei OpenAI, und in Enterprise-Workspaces ist es zunächst abgeschaltet, bis jemand es freigibt.

Beides sind Modellveröffentlichungen, aber sie beantworten verschiedene Fragen. Astra beantwortet, was gerade das Machbare ist. K2 Horizon beantwortet, was ihr selbst betreiben könnt. Für die meisten Teams ist die zweite Frage die, die im Budget und in der Auftragsverarbeitung auftaucht.

Was das für euch heißt

Wenn ihr ohnehin lokale Modelle prüft, gehört K2 Horizon auf die Liste. Apache 2.0 räumt die Lizenzfrage ab, sechs Größen aus einer Familie räumen den Bruch zwischen Entwicklungsrechner und Produktion ab, und 512K Kontext sind für Arbeit an großen Repositories keine Nebensache.

Plant ihr es dagegen wegen der versprochenen vollständigen Offenheit ein, wartet auf die Daten oder prüft ihren Stand selbst. Und für deutschsprachige Abläufe gilt: vorher testen.