A.X K2

SK Telecoms MoE: 688B Parameter, 33B aktiv, native FP8-Gewichte und 256K Kontext. Apache 2.0, stark in Mathematik und Koreanisch.

Kurz gesagt. A.X K2 ist ein sehr großes KI-Modell des südkoreanischen Telekommunikationsunternehmens SK Telecom. Es ist unter Apache 2.0 frei kommerziell nutzbar, besonders stark in Mathematik und koreanischen Fragen, und sein schrittweises Denken lässt sich ein- und ausschalten. Es liest nur Text und braucht einen großen Multi-GPU-Server.

Zusammenfassung

SK Telecom hat A.X K2 am 29. Juli 2026 auf Hugging Face veröffentlicht, als Modell der zweiten Phase für das vom südkoreanischen Staat geförderte Projekt für souveräne KI-Basismodelle. Es ist ein reines Text-Mixture-of-Experts-Modell mit 688 Milliarden Parametern und 33 Milliarden aktiven pro Token: 61 Schichten (1 dichte und 60 MoE-Schichten), 256 geroutete Experten mit 8 aktiven plus einem geteilten Experten, und Multi-head Latent Attention mit einem Sparse-Indexer, der pro Abfrage 2.048 Positionen liest. Es wurde von Grund auf, nativ in FP8, auf rund 8 Billionen Tokens trainiert, mit nativem 128K-Kontext und 256K durch YaRN-Scaling. Ein einziger Checkpoint bietet über SK Telecoms Think-Fusion-Rezept einen Denkmodus und einen Nicht-Denkmodus. Tokenizer und Trainingsdaten zielen auf Englisch, Koreanisch, Chinesisch, Japanisch und Spanisch.

In SK Telecoms eigener Tabelle, im Denkmodus gegen sieben andere Modelle ausgeführt, hat A.X K2 die besten Werte auf AIME26 (97,1), Apex, Apex-shortlist, KMMLU-Pro (80,5), CLIcK (91,6) und τ²-Bench Telecom (98,0). Bei agentischen und Coding-Tests liegt es hinter den stärksten Modellen: 36,0 auf Terminal Bench v2.1 gegenüber 61,8 für DeepSeek-V4 Flash und GLM-5.1, und die Model Card nennt seine agentische Leistung selbst mittelmäßig. SK Telecom meldet einen durchschnittlichen Gewinn von 32,2 Punkten gegenüber A.X K1 über 14 Benchmarks. Dies sind SK Telecoms eigene Ergebnisse, und die mit einem Sternchen markierten Zeilen stammen von Artificial Analysis.

Die Gewichte stehen unter Apache 2.0. Der Checkpoint ist blockskaliertes FP8 mit etwa 694 GB, dazu eine NVFP4-Version mit etwa 398 GB, und die Card verlangt, mindestens 800 GiB GPU-Speicher insgesamt inklusive KV-Cache einzuplanen; die Referenzläufe nutzten vier GPUs mit je 275 GB. Transformers unterstützt das Modell nativ, aber nur ab einer Installation aus dem Quellcode, da die Unterstützung erst nach v5.14.1 gemerged wurde, und vLLM braucht SK Telecoms Fork auf Basis von v0.23.0. Für langen Kontext und Serving verweist die Card auf vLLM statt auf Transformers.

Geeignet für

  • Mathematik- und Koreanisch-Aufgaben, wo SK Telecoms eigene Tabelle die besten Ergebnisse zeigt (AIME26 mit 97,1 und KMMLU-Pro mit 80,5)
  • Langkontext-Aufgaben bis 256K Tokens, wo die Card einen RULER-Durchschnitt von 94,6 meldet
  • Teams, die ein selbst gehostetes Apache-2.0-Modell aus Korea wollen, mit abschaltbarem Denkmodus für günstigere Antworten
  • Ausspielung in niedriger Präzision, da die Gewichte nativ FP8 sind und der Bericht sagt, NVFP4 bleibe innerhalb eines Punkts der FP8-Genauigkeit

Darauf achten

  • Die agentische Leistung ist mäßig, und die Card sagt, dass es auf Terminal Bench und BrowseComp hinter den stärksten verglichenen Modellen zurückliegt
  • Es ist ein reines Textmodell und zielt nur auf fünf Sprachen (Englisch, Koreanisch, Chinesisch, Japanisch und Spanisch)
  • Die FP8-Gewichte sind etwa 694 GB groß und die Card empfiehlt mindestens 800 GiB GPU-Speicher, es braucht also einen Multi-GPU-Knoten
  • vLLM-Unterstützung kommt aus SK Telecoms Fork, Transformers braucht eine Quellcode-Installation, und unter Transformers wird flash attention nicht unterstützt
  • Die Benchmark-Zahlen stammen von SK Telecom selbst

Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.

Wie viel Speicher braucht es?

Schätzwerte für die Variante A.X K2 NVFP4. Ein Mixture-of-Experts-Modell muss alle seine Experten im Speicher halten, auch wenn pro Token nur ein Teil davon verwendet wird: Die Gesamtparameterzahl bestimmt den Speicherbedarf, die aktiven Parameter bestimmen die Geschwindigkeit.

Varianten Parameter BF16 FP8 / INT8 4-bit (Q4) Passt auf
A.X K2 (FP8) FP8 688B 33B aktiv 1.58 TB 791 GB 475 GB Desktop mit viel Arbeitsspeicher
A.X K2 NVFP4 NVFP4 688B 33B aktiv 1.58 TB 791 GB 438 GB Desktop mit viel Arbeitsspeicher

Schätzwerte: Gewichte plus rund 15 % Overhead. Der tatsächliche Verbrauch wächst mit der Kontextlänge und hängt von der Software ab.

VRAM-Rechner

Die Lizenz, einfach erklärt

Eine der am weitesten verbreiteten permissiven Lizenzen. Sie dürfen das Modell nutzen und ändern und Produkte, die darauf aufbauen, verkaufen, mit nur wenigen leichten Bedingungen.

Mehr über Apache 2.0

Siehe auch

Häufige Fragen

Was ist A.X K2?
A.X K2 ist ein sehr großes KI-Modell des südkoreanischen Telekommunikationsunternehmens SK Telecom. Es ist unter Apache 2.0 frei kommerziell nutzbar, besonders stark in Mathematik und koreanischen Fragen, und sein schrittweises Denken lässt sich ein- und ausschalten. Es liest nur Text und braucht einen großen Multi-GPU-Server.
Darf ich A.X K2 kommerziell nutzen?
Ja. A.X K2 erscheint unter Apache 2.0, einer permissiven Lizenz. Sie dürfen es kommerziell nutzen, wenn Sie die üblichen Bedingungen einhalten, etwa den Lizenzhinweis beibehalten.
Ist A.X K2 Open Source?
A.X K2 erscheint unter Apache 2.0, einer von der Open Source Initiative anerkannten Lizenz. Trainingsdaten und Trainingscode sind möglicherweise nicht öffentlich, daher lässt es sich am besten als offene Gewichte unter einer Open-Source-Lizenz beschreiben.
Kann ich A.X K2 auf meinem eigenen Computer ausführen?
Nur auf einem Rechner mit viel Speicher. Die kleinste Variante, A.X K2 NVFP4, benötigt mit 4-Bit-Präzision etwa 438 GB. Desktops mit 128 bis 512 GB Unified Memory können das Modell fassen, allerdings mit mäßiger Geschwindigkeit.
Wann wurde A.X K2 veröffentlicht?
A.X K2 wurde von SK Telecom am 29. Juli 2026 veröffentlicht.
Wie lang ist das Kontextfenster von A.X K2?
A.X K2 unterstützt ein Kontextfenster von bis zu 256K Token.

Offizielle Links

Quellen

Die Spezifikationen stammen aus diesen Primärquellen. Benchmark-Angaben werden, wo erwähnt, vom Entwickler gemeldet.

Erscheinungsdatum und Fakten zuletzt geprüft: 11. November 2026.

Verwandte Modelle

Modell Erscheinungsdatum Parameter Kontext Lizenz Bedarf der kleinsten Variante
K-EXAONE 2.0 EN LG AI Research 750B 37B aktiv 256K Apache 2.0 (Permissiv) 518 GB GPU-Server
Solar Open 2 EN Upstage 250B 15B aktiv 1M Upstage Solar (Bedingt) 157 GB Desktop mit viel Arbeitsspeicher
Motif 3 EN Motif Technologies 314B 13.2B aktiv 256K MIT (Permissiv) 206 GB Desktop mit viel Arbeitsspeicher
DeepSeek V4 EN DeepSeek 284B – 1.6T 49B aktiv 1M MIT (Permissiv) 176 GB Desktop mit viel Arbeitsspeicher