K2 Horizon 32B

Fiche modèle · Institute of Foundation Models · k2-horizon-32b

K2 Horizon 32B is the large dense member of IFM's (MBZUAI) fully open K2 Horizon family: a 32B-class decoder-only reasoning model (64 layers, 250K vocabulary; about 34.8B parameters in the released safetensors) pretrained on 22.9T tokens, with a native 524,288-token (512K) context window from midtraining onward. Text in, text out, with per-request reasoning effort (high recommended) and JSON/XML tool-call formats. Released 2026-09-03 under Apache 2.0; the main branch was updated on 2026-10-01 to a later SFT checkpoint and its model-card scores were refreshed on 2026-10-07 (they are higher than the launch-blog figures). BF16 weights plus FP8, NVFP4, and GGUF builds, with intermediate checkpoints, training data, code, and logs. No priced provider is cataloged yet.

Fiches modèles

Identité

Organisation	Institute of Foundation Models
Pays	—
Famille	—
Type	llm
Date de sortie	2026-09-03
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	524 288
KV cache / token (Q8)	131.1 ko/token
Paramètres totaux	32 B
Paramètres actifs (session)	34.8 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (IFM/K2-Horizon-32B)) ; total : config Hugging Face (IFM/K2-Horizon-32B)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	22 900 000 000 000
Coupure de connaissance	—
Créé le	2026-10-29T18:18:04.961690Z
Mis à jour le	2026-11-04T06:04:48.229745Z
Source	LLM Stats
URL	https://llm-stats.com/models/k2-horizon-32b

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
knowledge	0.40
long_context	0.70
math	0.20
physics	0.60
reasoning	0.40
science	0.40
general	0.40
agents	0.40
biology	0.60
chemistry	0.60
code	0.50
tool_calling	0.40
vision	0.30

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-lcr	reasoning	0.68	1.00	0.68	non	oui	2026-11-04T06:04:48.266944Z
critpt	reasoning	0.03	1.00	0.03	non	oui	2026-11-04T06:04:48.263021Z
gpqa	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:48.259704Z
humanity's-last-exam	reasoning	0.25	1.00	0.25	non	oui	2026-11-04T06:04:48.253078Z
omniscience	science	0.18	1.00	0.18	non	oui	2026-11-04T06:04:48.273119Z
omniscience-non-hallucination-rate	knowledge	0.70	1.00	0.70	non	oui	2026-11-04T06:04:48.283041Z
scicode	reasoning	0.38	1.00	0.38	non	oui	2026-11-04T06:04:48.242968Z
tau3-banking	agents	0.24	1.00	0.24	non	oui	2026-11-04T06:04:48.233233Z
terminal-bench-2.1	reasoning	0.63	1.00	0.63	non	oui	2026-11-04T06:04:48.239858Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
knowledge	17	0.40	14.41	2	trueskill	2026-11-04T08:08:45.139626Z	rankings
agents	120	—	14.22	2	trueskill	2026-11-02	model_history
code	167	—	12.92	2	trueskill	2026-11-02	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04