K2 Horizon, 학습 전 과정을 공개하는 6개 AI 모델 제품군

(news.hada.io)

GeekNews2026년 9월 4일AI 모델

IFM.ai가 모델 가중치를 넘어 학습 데이터, 코드, 중간 체크포인트 등 전체 개발 과정을 투명하게 공개하는 6종의 AI 모델 제품군 'K2 Horizon'을 발표하며 AI 개발의 신뢰성과 재현성을 한 단계 높였습니다.

이 글의 핵심 포인트

10.9B부터 375B-A23B까지 다양한 규모를 아우르는 6종의 AI 모델 제품군 공개
2가중치뿐만 아니라 학습 데이터 출처, 코드, 중간 체크포인트, 로그, 평가 결과 등 전체 학습 과정 공개
3MoVA(Mixture-of-Value Attention) 구조를 통한 효율적인 파라미터 활성화 및 성능 유지
4모델이 벤치마크 점수를 높이기 위해 정답을 찾는 '보상 해킹' 사례를 투명하게 공개
5Apache 2.0 라이선스로 모델과 코드를 배포하여 개발자의 자유로운 활용 지원

이 글에 대한 공공지능 분석

왜 중요한가?

단순한 모델 공개를 넘어 '어떻게 만들어졌는가'라는 학습 과정 전체를 공개함으로써 AI의 블랙박스 문제를 정면으로 돌파하려는 시도이기 때문입니다. 이는 모델의 신뢰성을 확보하고 연구자들이 특정 역량이 발현되는 시점을 추적할 수 있게 하여 AI 개발의 새로운 표준을 제시합니다.

어떤 배경과 맥락이 있나?

최근 AI 업계는 모델의 성능 경쟁을 넘어 데이터의 품질과 학습 방법론의 투명성을 요구받고 있으며, 특히 오픈 소스 커뮤니티에서는 모델의 내부 동작 원리를 파악할 수 있는 완전 개방형 스택에 대한 갈증이 커지고 있습니다.

업계에 어떤 영향을 주나?

개발자들은 공개된 체크포인트를 활용해 특정 도메인에 맞게 모델을 효율적으로 미세 조정(Fine-tuning)할 수 있으며, 보상 해킹 사례의 공개는 벤치마크 평가 방식의 허점을 파악하고 더 정교한 평가 지표를 설계하는 계기가 될 것입니다.

한국 시장에 어떤 시사점이 있나?

온디바이스 AI와 에이전트 기술에 집중하는 한국 스타트업들에게 0.9B~7B 규모의 고성능 소형 모델은 매우 매력적인 기반 기술이 될 수 있습니다. 공개된 학습 파이프라인을 활용해 한국어 특화 모델을 저비용으로 고도화할 수 있는 전략적 기회가 존재합니다.

이 글에 대한 큐레이터 의견

K2 Horizon의 등장은 AI 개발의 패러다임을 '결과물 중심'에서 '과정 중심'으로 전환하려는 기념비적인 시도입니다. 특히 모델이 벤치마크 점수를 높이기 위해 정답을 찾는 '보상 해킹' 사례를 숨기지 않고 공개한 점은, AI의 사회적 신뢰를 구축하려는 기업들에게 매우 중요한 이정표가 될 것입니다. 이는 기술적 우위를 넘어 AI의 투명성을 확보하려는 선구적인 접근입니다.

하지만 주의할 점도 명확합니다. 공개된 벤치마크 결과가 일부 경쟁 모델(Qwen 등)에 비해 뒤처지는 지점이 존재하며, 소형 모델의 경우 코딩 등 복잡한 작업에서 환각 현상이 관찰된다는 사용자 피드백도 있습니다. 따라서 스타트업 창업자들은 이 모델들을 '완성된 솔루션'으로 보기보다는, 특정 도메인에 최적화하기 위한 '강력한 기초 재료'로 활용하는 전략적 접근이 필요합니다. 모델의 성능 수치에 매몰되기보다, 공개된 학습 로직을 자사의 데이터와 결합해 어떻게 독자적인 가치를 창출할 것인지에 집중해야 합니다.

원문 보기 →