A.X K2

MoE da SK Telecom: 688B parâmetros, 33B ativos, FP8 nativo e contexto de 256K. Apache 2.0; destaque em matemática e coreano.

Em resumo. A.X K2 é um modelo de IA muito grande da operadora sul-coreana SK Telecom. Ele pode ser usado comercialmente de graça sob Apache 2.0, é especialmente bom em matemática e perguntas em coreano, e o raciocínio passo a passo pode ser ligado ou desligado. Ele lê apenas texto e precisa de um servidor grande com várias GPUs.

Resumo

A SK Telecom publicou o A.X K2 no Hugging Face em 29 de julho de 2026, como seu modelo de segunda fase para o projeto de modelos fundacionais de IA soberana apoiado pelo governo sul-coreano. É um modelo de mistura de especialistas (mixture-of-experts) apenas de texto com 688 bilhões de parâmetros e 33 bilhões ativos por token: 61 camadas (1 densa e 60 de especialistas), 256 especialistas roteados com 8 ativos mais um compartilhado, e Multi-head Latent Attention com um indexador esparso que lê 2.048 posições por consulta. Foi treinado do zero, nativamente em FP8, com cerca de 8 trilhões de tokens, com contexto nativo de 128K e 256K alcançados por escalonamento YaRN. Um único checkpoint oferece modo de pensamento e modo sem pensamento pela receita Think-Fusion da SK Telecom. O tokenizador e os dados de treinamento visam inglês, coreano, chinês, japonês e espanhol.

Na tabela da própria SK Telecom, executado em modo de pensamento contra outros sete modelos, o A.X K2 tem a melhor pontuação em AIME26 (97.1), Apex, Apex-shortlist, KMMLU-Pro (80.5), CLIcK (91.6) e τ²-Bench Telecom (98.0). Ele fica atrás dos modelos mais fortes nos testes de agente e de código: marca 36.0 no Terminal Bench v2.1 contra 61.8 do DeepSeek-V4 Flash e do GLM-5.1, e o próprio model card chama seu desempenho de agente de moderado. A SK Telecom relata um ganho médio de 32,2 pontos sobre o A.X K1 em 14 benchmarks. São resultados da própria SK Telecom, e as linhas marcadas com asterisco foram executadas pela Artificial Analysis.

Os pesos estão sob Apache 2.0. O checkpoint é FP8 com escala por blocos de cerca de 694 GB, com uma versão NVFP4 de cerca de 398 GB, e o card pede para planejar pelo menos 800 GiB de memória de GPU agregada incluindo o cache KV; as execuções de referência usaram quatro GPUs de 275 GB. O Transformers suporta o modelo nativamente, mas só a partir de instalação pelo código-fonte, porque o suporte foi mesclado depois da v5.14.1, e o vLLM precisa do fork da SK Telecom baseado na v0.23.0. Para contexto longo e serving, o card aponta para o vLLM em vez do Transformers.

Bom para

  • Trabalho de matemática e em coreano, onde a tabela da própria SK Telecom mostra seus melhores resultados (AIME26 de 97.1 e KMMLU-Pro de 80.5)
  • Tarefas de contexto longo até 256K tokens, onde o card relata média RULER de 94.6
  • Equipes que querem um modelo self-hosted sob Apache 2.0 desenvolvido na Coreia, com modo de pensamento que pode ser desligado para respostas mais baratas
  • Servir em baixa precisão, já que os pesos são FP8 nativos e o relatório diz que o NVFP4 fica a menos de um ponto da precisão do FP8

Pontos de atenção

  • O desempenho de agente é moderado, e o card diz que ele fica atrás dos modelos mais fortes comparados no Terminal Bench e no BrowseComp
  • É apenas texto e só mira cinco idiomas (inglês, coreano, chinês, japonês e espanhol)
  • Os pesos FP8 têm cerca de 694 GB e o card recomenda pelo menos 800 GiB de memória de GPU, então precisa de um nó multi-GPU
  • O suporte a vLLM vem do fork da SK Telecom e o Transformers exige instalação pelo código-fonte, e não há suporte a flash attention no Transformers
  • Os números de benchmark são da própria SK Telecom

As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.

De quanta memória ele precisa?

Estimativas para a variante A.X K2 NVFP4. Um modelo de mistura de especialistas precisa manter todos os seus especialistas na memória, mesmo que apenas alguns sejam usados por token; por isso o total de parâmetros determina a memória e os parâmetros ativos determinam a velocidade.

Variantes Parâmetros BF16 FP8 / INT8 4-bit (Q4) Cabe em
A.X K2 (FP8) FP8 688B 33B ativos 1.58 TB 791 GB 475 GB Desktop com muita memória
A.X K2 NVFP4 NVFP4 688B 33B ativos 1.58 TB 791 GB 438 GB Desktop com muita memória

Estimativas: pesos mais cerca de 15% de overhead. O uso real cresce com o comprimento do contexto e depende do software.

Calculadora de VRAM

A licença em palavras simples

Uma das licenças permissivas mais utilizadas. Você pode usar e modificar o modelo e vender produtos criados a partir dele com apenas algumas condições leves.

Mais sobre Apache 2.0

Veja também

Perguntas frequentes

O que é A.X K2?
A.X K2 é um modelo de IA muito grande da operadora sul-coreana SK Telecom. Ele pode ser usado comercialmente de graça sob Apache 2.0, é especialmente bom em matemática e perguntas em coreano, e o raciocínio passo a passo pode ser ligado ou desligado. Ele lê apenas texto e precisa de um servidor grande com várias GPUs.
Posso usar A.X K2 comercialmente?
Sim. A.X K2 é lançado sob Apache 2.0, uma licença permissiva. Você pode usá-lo comercialmente se seguir as condições padrão, como manter o aviso de licença.
A.X K2 é de código aberto?
A.X K2 é lançado sob Apache 2.0, uma licença aprovada pela Open Source Initiative. Os dados e o código de treinamento podem não ser públicos, então o melhor é descrevê-lo como pesos abertos sob uma licença de código aberto.
Consigo rodar A.X K2 no meu próprio computador?
Apenas em uma máquina com muita memória. A menor variante, A.X K2 NVFP4, precisa de cerca de 438 GB em precisão de 4 bits. Desktops com 128 a 512 GB de memória unificada conseguem acomodá-lo, em velocidade modesta.
Quando A.X K2 foi lançado?
A.X K2 foi lançado por SK Telecom em 29 de julho de 2026.
Qual é o tamanho da janela de contexto de A.X K2?
A.X K2 suporta uma janela de contexto de até 256K tokens.

Links oficiais

Fontes

As especificações vêm destas fontes primárias. As afirmações de benchmark, quando mencionadas, são informadas pelo desenvolvedor.

Data de lançamento e fatos verificados pela última vez em 11 de novembro de 2026.

Modelos relacionados

Modelo Lançamento Parâmetros Contexto Licença Memória da menor variante
K-EXAONE 2.0 EN LG AI Research 750B 37B ativos 256K Apache 2.0 (Permissiva) 518 GB Servidor de GPU
Solar Open 2 EN Upstage 250B 15B ativos 1M Upstage Solar (Condicional) 157 GB Desktop com muita memória
Motif 3 EN Motif Technologies 314B 13.2B ativos 256K MIT (Permissiva) 206 GB Desktop com muita memória
DeepSeek V4 EN DeepSeek 284B – 1.6T 49B ativos 1M MIT (Permissiva) 176 GB Desktop com muita memória