K2 Horizon — MBZUAI Institute of Foundation Models 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
来自 MBZUAI 基础模型研究院（Institute of Foundation Models）的完全开放模型家族——权重、训练数据、训练方案和代码均以 Apache 2.0 许可发布，并公开了中间检查点。共三个尺寸：面向小型设备的 3.7B 和 7B 稠密模型，以及每个 token 约激活 4B 参数的 36B 混合专家模型。三者均原生支持 512K 上下文。在独立的 Artificial Analysis 智能指数中分别得到 16、21 和 25 分，核查时为各自尺寸级别中的最高分。
变体
K2 Horizon 最小的变体在 Q4_K_M 下约需 4 GB 显存——量化权重加框架开销，不含 KV 缓存。
| 模型 | Q4 下显存 | 显存 | 上下文 | 运行 |
|---|---|---|---|---|
| K2 Horizon 3.7B → 3.7B | ~3.9 GB | 524,288 | 云端托管标签 | |
| K2 Horizon 7B → 7B | ~6.2 GB | 524,288 | 云端托管标签 | |
| K2 Horizon MoVA 36B-A4B → 36B (4B active) | ~23.4 GB | 524,288 | 云端托管标签 | |
| K2 Horizon 375B-A23B → 375B (23B active) | ~229.7 GB | 524,288 | 云端托管标签 |
显存为 Q4_K_M 下的量化权重加开销，与 GPU 与显存检测器使用同一引擎计算。
如何在本地运行 K2 Horizon
安装 Ollama，然后拉取标签。
Ollama 模型库暂无标签。请用 llama.cpp 运行官方 GGUF：文件声明的架构为 k2-horizon，llama.cpp 主线已支持；较旧的 Ollama 或 LM Studio 版本可能无法加载。模型卡也提供 vLLM 和 SGLang 部署方式。
在上方选择一个尺寸，查看它自己的显存、速度估算和安装命令。
许可证
Commercial use permitted. No usage restrictions beyond attribution.
适用于: K2 Horizon 3.7B, K2 Horizon 7B, K2 Horizon MoVA 36B-A4B, K2 Horizon 375B-A23B推荐 GPU
目录中能在本地运行 K2 Horizon（至少 4 GB 显存）的最便宜 GPU 是 Intel Arc B570 (10 GB).
K2 Horizon — 常见问题
How much VRAM does K2 Horizon need?
K2 Horizon needs about 4 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: K2 Horizon 3.7B (4 GB, Q4_K_M); K2 Horizon 7B (6 GB, Q4_K_M); K2 Horizon MoVA 36B-A4B (23 GB, Q4_K_M); K2 Horizon 375B-A23B (230 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run K2 Horizon on an RTX 4090 (24 GB)?
Yes — K2 Horizon runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for K2 Horizon?
Q4_K_M is the best balance of quality and VRAM for K2 Horizon in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run K2 Horizon with Ollama?
K2 Horizon has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.