MBZUAI的基础模型研究所发布了K2-V2，这是一款70B推理模型，在我们的开放性指数中并列第一，也是阿联酋在我们的排行榜上首个模型。 📖 开放性并列第一：K2-V2与OLMo 3 32B Think一起位于人工智能分析开放性指数的顶端——这是我们新发布的、标准化的、独立评估的AI模型开放性测量，涵盖可用性和透明度。MBZUAI不仅提供模型权重的开放访问和许可，还提供了训练前和训练后的数据的完全访问。他们还发布了训练方法和代码，并采用宽松的Apache许可证，允许出于任何目的的自由使用。这使得K2-V2成为开源社区的宝贵贡献，并允许更有效的微调。请参见下面的链接！ 🧠 强大的中型（40-150B）开放权重模型：K2-V2在70B时，在我们的智能指数中得分46，具有高推理模式。这使得它高于Llama Nemotron Super 49B v1.5，但低于Qwen3 Next 80B A3B。该模型在指令跟随方面具有相对优势，在IFBench中得分为60%。 🇦🇪 我们排行榜上的首个阿联酋参赛者：在大量美国和中国模型的海洋中，K2-V2作为我们排行榜上阿联酋的首个代表而脱颖而出，也是中东地区继以色列的AI21实验室之后的第二个参赛者。K2-V2是我们基准测试的首个MBZUAI模型，但该实验室之前发布的模型特别关注语言表示，包括埃及阿拉伯语和印地语。 📊 较低的推理模式减少了令牌使用和幻觉：K2-V2有3种推理模式，高推理模式使用了大约130M令牌来完成我们的智能指数。然而，中等模式将令牌使用减少了约6倍，智能指数仅下降6点。有趣的是，较低的推理模式在我们的知识和幻觉指数AA-Omniscience中得分更高，因为它们的幻觉倾向较低。

K2-V2 在开放性方面是一个并列的领导者，并位于开放性与智能之间的帕累托边界上。

该模型在中等规模（40-150B参数）开放权重模型中表现出色

高推理模式的代币使用量很大，但中等模式将代币使用量减少了约6倍，仅使我们的智能指数下降了6点。

较低的推理模式在人工分析全知指数中表现更好，因为它们的幻觉更少。

个别基准测试结果。所有基准测试在各个模型之间进行了逐一比较，并且是独立运行的。

关于人工分析的进一步分析： HuggingFace 🤗 链接，包括权重、数据、训练代码和技术报告：

MBZUAI 和 IFM 的帖子：