MBZUAI、オープンモデル K2 Horizon 375B を公開──実世界エージェントタスクで MiniMax-M3 を上回る性能を実証
実世界のエージェントタスクやツール利用ベンチマークで優位性を示す一方、ハルシネーション抑制のため回答を控える仕様を採用したオープンウェイトモデル。
リリース: 2026-09-03 · 読了 3 分記事の要約
1. 核心（What）
- MBZUAI の Institute of Foundation Models は、6 モデルからなるオープンウェイトのフラッグシップとして K2 Horizon 375B A23B を公開した。
- 前身の 70B モデルからアーキテクチャを密な構造からスパースな MoE へ刷新し、アクティブパラメータ数を 23B に抑制した。
- GDPval-AA や τ³-Banking などの実世界タスクで優位性を示す一方、GPQA Diamond などの高難度科学推論では競合他社モデルを下回る。
- Cerebras、AWS、Nebius、Compass などの推論パートナー経由で API が提供されるほか、Apache 2.0 ライセンスでコードとウェイトが公開されている。
2. 影響（Why）
- 実務エージェントへの最適化: 知識偏重のクイズ的ベンチマークではなく、ツール利用や実世界タスクを優先した設計により、実際の業務自動化における実用性が担保されている。
- 高信頼な棄権機能による安全性: 不確実な質問に対するハルシネーションを回避するため意図的に回答を控える仕様を採用しており、誤情報の混入コストが高い業務システムで有効な選択肢となる。
3. 根拠・詳細（How）
- MoE と長文脈の技術仕様: 総パラメータ数 375B、アクティブパラメータ数 23B の Mixture-of-Experts ルーティングを採用し、最大 524K トークンのコンテキストウィンドウを処理する。
- ベンチマークにおけるトレードオフ: AA-Omniscience ベンチマークで 60% の質問を拒否しハルシネーション率を 26% に抑制する一方、GPQA Diamond（87.3%）や Humanity's Last Exam（32.0%）では競合に譲る構造となっている。
4. 展望・課題（Next）
- オープンネス指標の更新予定: サポート文書の完成後、Artificial Analysis の Openness Index に追加される予定である。