Em 3 de setembro de 2026, o Institute of Foundation Models (IFM), sediado em Abu Dhabi e ligado à MBZUAI, lançou a família K2 Horizon com seis modelos de inteligência artificial que vão de 0,9 bilhão a 375 bilhões de parâmetros. O anúncio chama atenção porque coloca sob exame público partes que normalmente permanecem escondidas atrás de uma interface: os pesos, o código de treinamento, as metodologias e, quando as licenças permitem, os dados usados na formação dos modelos. Para quem desenvolve ou pesquisa IA, a pergunta deixa de ser apenas qual modelo responde melhor e passa a incluir outra questão: o que existe por trás da resposta e quanto desse processo pode ser conferido?

Uma abertura que vai além dos pesos

Essa pergunta explica por que o K2 Horizon foi apresentado como uma iniciativa de abertura ampla, e não apenas como mais uma coleção de modelos com pesos disponíveis para download. Pesos são os valores numéricos ajustados durante o treinamento, uma espécie de memória estatística que orienta como o sistema transforma uma entrada em uma resposta. O comunicado do IFM informa que o lançamento inclui pesos, código de treinamento, metodologias e, conforme a disponibilidade de licenciamento, os dados de treinamento. Para um pesquisador, essa combinação permite observar diferentes camadas do processo; para um desenvolvedor, ajuda a distinguir uma ferramenta que pode ser adaptada de outra cujo funcionamento permanece parcialmente inacessível.

Essa extensão também aparece na ideia de IA verificável defendida pelo projeto, expressão usada para indicar que a comunidade precisa de mais do que arquivos finais prontos para uso. A página oficial do K2 Horizon afirma que a transparência granular deve incluir receitas de construção de dados ou os próprios dados de pré-treinamento, permitindo que a comunidade inspecione, reproduza, ajuste e estenda os modelos. A imagem lembra menos uma caixa-preta entregue ao público e mais um ateliê aberto, no qual ainda é possível examinar materiais, ferramentas e etapas do trabalho. A promessa, portanto, tem valor prático: ela desloca a discussão sobre abertura da aparência do produto para a rastreabilidade de sua construção.

O que foi liberado e sob quais condições

Essa abertura, porém, precisa ser lida junto com as condições de cada ativo. Os pesos dos modelos e o código são distribuídos sob a licença Apache 2.0, enquanto os conjuntos de dados seguem suas próprias licenças. Na prática, isso significa que a autorização para usar ou modificar o código não resolve automaticamente as regras aplicáveis a todos os dados associados ao treinamento. O anúncio usa a expressão "totalmente aberto", mas os detalhes mostram uma abertura graduada, na qual o pesquisador precisa verificar qual componente está disponível, em que versão e sob qual regime jurídico antes de reutilizá-lo.

Essa distinção fica mais clara quando se observa o conteúdo liberado ao redor dos modelos. O lançamento cobre arquivos de configuração, logs de treinamento e resultados de avaliação, além das receitas de construção de dados em situações nas quais a redistribuição dos dados brutos encontra restrições legais de terceiros. Logs são registros das etapas e dos acontecimentos durante o treinamento; configurações descrevem como o processo foi organizado; resultados de avaliação ajudam a entender como o modelo foi medido. Reunidos, esses elementos oferecem uma narrativa técnica mais detalhada, embora não eliminem os limites impostos pelas licenças dos dados, e essa tensão é parte central da notícia.

Uma frota com níveis diferentes de abertura

Essa diferença entre a promessa geral e a entrega específica aparece na própria composição da frota K2 Horizon. A linha começa com os modelos de 0,9B e 3,7B, passa por uma versão de 7B e chega ao modelo de 32B. As duas maiores configurações são o 36B-A4B e o 375B-A23B, nomenclaturas que combinam o tamanho total anunciado com a arquitetura indicada pelo projeto. A variação permite que a comunidade compare modelos de escalas distintas, mas também impede que o leitor trate todos eles como se tivessem recebido exatamente o mesmo conjunto de arquivos no mesmo momento.

Essa ressalva é decisiva para quem pretende baixar ou estudar uma versão específica. Em 4 de setembro de 2026, os modelos de 3,7B e 7B apresentavam todos os ativos públicos, incluindo dados, receita, código e checkpoints, que são pontos salvos do estado do modelo durante o treinamento. Já os modelos de 36B e 375B tinham os pesos finais disponíveis, com compromisso de liberação futura de checkpoints intermediários, dados e código. O modelo de 32B havia sido publicado como um checkpoint de estágio 1, enquanto a versão final estava prevista para um lançamento posterior. O tamanho do modelo, portanto, não informa sozinho o grau de abertura que o usuário encontrará.

O que os dados de treinamento revelam

Essa arquitetura de versões se conecta ao modo como a família foi treinada. Os modelos foram pré-treinados em aproximadamente 20 trilhões de tokens, unidades que podem corresponder a partes de palavras, palavras ou sinais processados pelo sistema, incluindo cerca de 10 trilhões de tokens sintéticos. Aproximadamente 17% do corpus, ou conjunto de dados usado no treinamento, consiste em trajetórias de raciocínio lógico. Esses números não funcionam como uma garantia automática de qualidade, mas ajudam a dimensionar a quantidade e o tipo de material que o IFM associa à formação dos modelos.

Além dos modelos em si, o IFM liberou a infraestrutura de treinamento chamada xLLM, incluindo o código usado no pós-treinamento agente. Pós-treinamento é a etapa realizada depois do treinamento inicial para ajustar o comportamento do sistema em tarefas ou formatos específicos. O relatório também informa que os modelos de 3,7B, 7B, 32B e 36B-A4B foram treinados sobre a mesma base de 22 trilhões de tokens, o que foi apresentado como uma forma de permitir comparações escaláveis. Para a pesquisa, a existência de uma base comum dá um ponto de referência; para a leitura crítica, também exige atenção às diferenças entre a descrição geral de aproximadamente 20 trilhões e a base indicada para esse grupo de modelos.

Por que isso interessa a desenvolvedores e pesquisadores

Esse conjunto de materiais muda o tipo de trabalho que pode ser feito em torno da família K2 Horizon. Um pesquisador interessado em avaliar um modelo pode consultar os resultados publicados e relacioná-los às configurações e aos registros de treinamento, em vez de observar apenas a resposta final em uma interface. Um desenvolvedor pode escolher uma escala compatível com seu objetivo e verificar se precisa trabalhar com pesos finais, com um checkpoint intermediário ou com uma versão cuja liberação de dados ainda está prevista. Os modelos estão disponíveis via Hugging Face, o que aproxima os arquivos de uma plataforma já usada para distribuição e experimentação de modelos de IA.

O valor prático está justamente na possibilidade de separar três perguntas que costumam aparecer misturadas: o modelo pode ser executado, ele pode ser modificado e sua origem pode ser examinada? No K2 Horizon, a resposta depende da versão e do ativo consultado. Os modelos menores de 3,7B e 7B foram descritos com todos os componentes públicos em 4 de setembro, enquanto as versões maiores ainda dependiam de liberações futuras para completar o conjunto de artefatos. Essa gradação oferece mais informação ao usuário, mas também transfere para ele a responsabilidade de ler a licença, conferir a versão e não confundir pesos abertos com dados integralmente redistribuíveis.

O próximo passo é acompanhar o que falta

Essa responsabilidade ficará ainda mais clara à medida que os compromissos anunciados forem cumpridos. Para os modelos de 36B e 375B, o IFM indicou a liberação futura de checkpoints intermediários, dados e código; para o modelo de 32B, a versão final também estava prevista para depois do checkpoint inicial. O próximo passo anunciado, portanto, não é apenas testar os pesos já publicados, mas acompanhar a chegada dos artefatos prometidos e verificar se eles completam a documentação necessária para reproduzir ou comparar o desenvolvimento. A data de 4 de setembro funciona como um retrato da situação naquele momento, não como uma descrição imutável de toda a frota.

Para quem deseja explorar o projeto, a caixa de ferramentas começa com uma regra simples: identificar o modelo, conferir quais ativos estão efetivamente públicos e ler a licença correspondente antes de reutilizar qualquer componente. A página oficial do K2 Horizon apresenta a proposta de transparência e a escala da família, enquanto os registros e as receitas ajudam a transformar a promessa de abertura em material de análise. O significado mais duradouro do lançamento está nessa mudança de pergunta: em vez de aceitar a inteligência artificial como uma voz saída do escuro, pesquisadores e desenvolvedores podem exigir que ela venha acompanhada de pistas sobre sua origem, seus limites e as escolhas que a fizeram existir.