Mindket

K2-Horizon-7B

新上架第 1 版 · 更新于

概览

用 512K token 的上下文窗口写文字、代码和推理回答,适合想要训练数据、代码和检查点全部公开的开放稠密模型的开发者和研究人员。

K2-Horizon-7B 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 带 pip 的 Python
  • 约 18 GB 的磁盘空间放 BF16 权重,按 Hugging Face 的估算,4 位副本约 4.5 GB
  • transformers 库
用在
  • 使用 transformers 库的 Python 脚本
  • 放得下权重的 GPU 机器
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
先运行
pip install -U huggingface_hub
hf download IFM/K2-Horizon-7B

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

K2-Horizon-7B 是 IFM 的 K2-Horizon 系列中的中等稠密模型。它是仅解码器的文本生成模型,核心为 7B,Hugging Face 列出的参数总量是 9B。它的上下文窗口可达 524,288 个 token。

适合谁

如果你想用开放的稠密模型做智能体、编程、长上下文和推理工作,并且希望能查看训练材料,它适合你,开发者和研究人员尤其合适。

Who uses this model
行业谁在用怎么用例子
软件开发者给应用加入由本地模型支持的编程和智能体功能请它修复一个长文件里的 bug
研究机器学习研究人员研究能力在训练过程中如何变化把中间检查点和最终模型做对比
AI 实验室训练团队复用公开的数据和训练配方用发布的代码复现一次训练

如果你只需要一个用于简短聊天的小模型,可以跳过它,因为它有 9B 参数。

用在哪里

  • 使用 transformers 库的 Python 脚本
  • 放得下权重的 GPU 机器
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
Jobs it does
用途适合谁得到什么
编程帮助开发者文字形式的代码和解释
长文档分析人员基于最长 524,288 个 token 输入给出的回答
推理研究人员书面的逐步回答
训练研究研究人员可以跨训练阶段对比的中间检查点

如何设置

你需要 Python 和放权重的磁盘空间。

  • 带 pip 的 Python
  • 约 18 GB 的磁盘空间放 BF16 权重,按 Hugging Face 的估算,4 位副本约 4.5 GB
  • transformers 库
  1. 安装 huggingface_hub。
  2. 运行下载命令,把模型文件保存到你的电脑。
  3. 在你自己的脚本里用 transformers 加载这些文件。
pip install -U huggingface_hub
hf download IFM/K2-Horizon-7B

如何使用

用 transformers 加载下载好的文件,再用英文给模型写提示词。模型卡还指向另一个仓库 K2-Horizon-7B-Uno,里面是用于加快推理的 Diffusion Adapters。

示例

你把一个很长的代码文件交给模型,让它找出测试失败的原因。它用文字回复,给出解释和修复建议。

新手与专家

你可以把它看作一个能读很长输入的通用文本和代码模型。第一次小测试就是问一个简短的编程问题。等这个跑通后,再试长文档。

它是稠密的仅解码器模型,不是混合专家模型。长上下文从中期训练阶段起就是原生支持的,不是事后拉长的。模型卡把它与 Gemma 4-12B、Qwen3.5-9B 和 Granite 4.2-8B 在数学、编程等基准上做了对比。

  1. 输入文字
  2. 稠密仅解码器模型
  3. 上下文最长 524,288 个 token
  4. 输出文字

注意事项

模型卡报告该模型在 HMMT Feb 2026 上得 77.8,在 SWE-bench Verified 上得 72.4。其他人发布了 48 个量化版本和 16 个微调版本。

HMMT Feb 2026 score
K2-Horizon-7B77.8 分
Granite 4.2-8B66.5 分
Qwen3.5-9B65.7 分
Gemma 4-12B63.1 分
  • License: Apache 2.0。
  • Cost to run: 未提及。
  • Data it reaches: 文件来自 Hugging Face,之后模型在你自己的硬件上运行。
  • Not for: 英语以外的语言,因为 Hugging Face 只列出了英语。

README 和文件

README

K2-Horizon-7B

用 512K token 的上下文窗口写文字、代码和推理回答,适合想要训练数据、代码和检查点全部公开的开放稠密模型的开发者和研究人员。

由 IFM 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:K2-Horizon-7B 是 IFM 的 K2-Horizon 系列中的中等稠密模型。它是仅解码器的文本生成模型,核心为 7B,Hugging Face 列出的参数总量是 9B。它的上下文窗口可达 524,288 个 token。

适合谁:如果你想用开放的稠密模型做智能体、编程、长上下文和推理工作,并且希望能查看训练材料,它适合你,开发者和研究人员尤其合适。

Title: Who uses this model
行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 给应用加入由本地模型支持的编程和智能体功能 | 请它修复一个长文件里的 bug
研究 | 机器学习研究人员 | 研究能力在训练过程中如何变化 | 把中间检查点和最终模型做对比
AI 实验室 | 训练团队 | 复用公开的数据和训练配方 | 用发布的代码复现一次训练

如果你只需要一个用于简短聊天的小模型,可以跳过它,因为它有 9B 参数。

用在哪里:

  • 使用 transformers 库的 Python 脚本
  • 放得下权重的 GPU 机器
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
Title: Jobs it does
用途 | 适合谁 | 得到什么
编程帮助 | 开发者 | 文字形式的代码和解释
长文档 | 分析人员 | 基于最长 524,288 个 token 输入给出的回答
推理 | 研究人员 | 书面的逐步回答
训练研究 | 研究人员 | 可以跨训练阶段对比的中间检查点

如何设置:你需要 Python 和放权重的磁盘空间。

  • 带 pip 的 Python
  • 约 18 GB 的磁盘空间放 BF16 权重,按 Hugging Face 的估算,4 位副本约 4.5 GB
  • transformers 库
  1. 安装 huggingface_hub。
  2. 运行下载命令,把模型文件保存到你的电脑。
  3. 在你自己的脚本里用 transformers 加载这些文件。
pip install -U huggingface_hub
hf download IFM/K2-Horizon-7B

如何使用:用 transformers 加载下载好的文件,再用英文给模型写提示词。模型卡还指向另一个仓库 K2-Horizon-7B-Uno,里面是用于加快推理的 Diffusion Adapters。

示例:你把一个很长的代码文件交给模型,让它找出测试失败的原因。它用文字回复,给出解释和修复建议。

新手与专家:你可以把它看作一个能读很长输入的通用文本和代码模型。第一次小测试就是问一个简短的编程问题。等这个跑通后,再试长文档。

它是稠密的仅解码器模型,不是混合专家模型。长上下文从中期训练阶段起就是原生支持的,不是事后拉长的。模型卡把它与 Gemma 4-12B、Qwen3.5-9B 和 Granite 4.2-8B 在数学、编程等基准上做了对比。

输入文字
稠密仅解码器模型
上下文最长 524,288 个 token
输出文字

注意事项:模型卡报告该模型在 HMMT Feb 2026 上得 77.8,在 SWE-bench Verified 上得 72.4。其他人发布了 48 个量化版本和 16 个微调版本。

Title: HMMT Feb 2026 score
K2-Horizon-7B: 77.8 分
Granite 4.2-8B: 66.5 分
Qwen3.5-9B: 65.7 分
Gemma 4-12B: 63.1 分
  • License: Apache 2.0。
  • Cost to run: 未提及。
  • Data it reaches: 文件来自 Hugging Face,之后模型在你自己的硬件上运行。
  • Not for: 英语以外的语言,因为 Hugging Face 只列出了英语。

Hugging Face 上的数据(2026年11月13日)

  • 任务:text generation
  • 框架:transformers
  • 参数量:9B
  • Weights: about 18 GB in BF16; about 4.5 GB at 4-bit (estimate)
  • Formats: Safetensors
  • 最近 30 天下载:42,327
  • 点赞:287
  • 许可证:apache-2.0
  • 语言:en
  • Quantized versions: 48
  • Fine-tunes: 15
  • 标签:transformers, safetensors, k2_horizon, text-generation, k2-horizon, 7b, dense, open-weights, conversational

链接

  • 模型:https://huggingface.co/IFM/K2-Horizon-7B
  • 文件:https://huggingface.co/IFM/K2-Horizon-7B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download IFM/K2-Horizon-7B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
K2-Horizon-7B 本页42,3272879Bapache-2.0
K2-Horizon-7B-GGUF共有 7b · k2-horizon · open-weights24,083849Bapache-2.0
K2-Horizon-3.7B-GGUF共有 k2-horizon · open-weights · dense19,581605.1Bapache-2.0
Ming-3.0-tts-0.5B共有 dense · text-generation · transformers14,7562251.5Bmit
Qwen3-0.6B共有 text-generation · conversational · transformers19,718,5991,894752Mapache-2.0
Qwen3-14B共有 text-generation · conversational · transformers12,965,37654014.8Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

开发类的相似商品

查看开发类的全部商品

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

buzz

block · 工具包

可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。

新上架37.3k

plannotator

backnotprop · 工具包

把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。

新上架10.5k