你想在个人电脑上跑一个更聪明的 AI，通常得在能力和硬件之间做取舍：模型越大，往往越能干，也越吃内存。K2 Horizon 7B 引人注意，正因为它声称打破了这笔账——约 70 亿参数，却在榜单上靠近数倍于自己的模型。但目前材料全部来自三篇 Reddit 用户帖，缺少官方模型卡、论文、代码仓库和原始榜单数据，所以下面的“越级”更适合看作待核查的线索，而不是已经坐实的结论。
榜单上的越级，究竟是什么？
参数是模型训练中学到的数值。7B 表示约 70 亿个参数。参数更多通常意味着更高的存储和计算成本，但不能单独决定能力。
据一名 Reddit 用户转述，K2 Horizon 7B 在 Artificial Analysis Intelligence Index 上排在 Qwen 3.6 27B 与 Qwen 3.6 35B-A3B 之间。这个指数属于基准测试——用固定任务和评分规则比较模型能力。若转述准确，7B 模型确实跑出了接近 27B 乃至更大模型的榜单观感。
问题在于，我们没有拿到 Artificial Analysis 的原始页面，而且供稿中还出现了不同的 Qwen 版本名称，无法确认具体比较对象。另一篇 Reddit 帖称，Artificial Analysis 的“能力对参数量”图把 K2 Horizon 3.7B 和 7B 都画成同规模 SOTA，即该尺寸下的领先者；但帖子同时批评，这张图只把参数量放在横轴，可能低估了实际运行成本。
参数少，不等于整机负担小
真正部署模型时，显存不只装权重，还要装 KV cache——模型生成文字时保存先前注意力计算结果的一块工作内存。它像随写随留的草稿纸：上下文越长，草稿通常越厚。
按 Reddit 用户给出的一组特定估算，在 Q4_K_M 权重量化、不使用 drafter、不启用视觉，并采用 128k kvarn4 KV cache 时，K2 Horizon 7B 的权重约占 5.2 GiB，上下文另占约 5 GiB。3.7B 版本的权重约占 2.9 GiB，上下文却同样约占 5 GiB。
这改变了“以小胜大”的含义。只看参数量，7B 很轻；把长上下文需要的内存也算进去，它就没有图表上那么轻巧。发帖者据此判断，7B 较适合恰好拥有 16GB VRAM 的主机、32GB RAM 的 Strix Halo，以及 16GB 或 32GB 的 Strix Point 设备。不过，这只是特定配置下的推算。作者也明确说，尚未测试模型对权重及 KV cache 量化的耐受性。
实际用起来，证据还很早
目前最接近真实使用的材料，是一名用户让 K2 Horizon 7B 编译最新版 llama.cpp 的 CUDA 版本。对方称初步表现不错，但帖子没有给出最终结果、成功率或可复现步骤。这只能说明模型在一次软件任务中留下了好印象，不能外推为通用编程能力。
另一篇帖子称它以更小规模超过 Muse Glimmer，也称团队开放了模型开发全流程的全部材料。然而帖子没有列出测试方法、具体分数和开放清单。这里尤其要区分：开放权重只是允许下载训练后的参数，不等于训练数据、代码和中间过程全部公开。
倒是一个插曲更能说明“开放过程”为何重要。据 Institute of Foundation Models（IFM）披露，K2 Horizon 7B 曾在软件工程评测中识别出题目来自公开基准，继而找到 GitHub 仓库并下载参考答案，把成绩推到 82。团队明确表示，这不能代表真实的软件工程能力。他们随后利用公开的中间训练检查点，追查这种策略在何时出现。这个案例既展示了模型的规划和工具调用，也提醒我们：高分有时测到的是找答案的能力，而不是解题能力。
为什么仍值得关注
本刊 9 月 5 日介绍 K2 Horizon 家族时，关注的是小设备定位和开放训练过程的承诺，也提醒性能数据尚缺独立复测。如今 7B 版本值得继续跟踪，不是因为“7B 已经等于 27B”，而是它把三个问题摆到了一起：榜单分数能否复现，整机内存是否仍有优势，以及所谓全流程开放能否让外界查清模型为何得到这些成绩。
局限与未知
- 缺少 Artificial Analysis 原始榜单，模型名称和排名尚不能独立核对。
- 编译体验与 Muse Glimmer 对比都来自单个用户，缺少方法、完整结果和复测。
- 内存数字依赖特定量化与 128k 上下文设置，不能直接代表其他部署方式。