A.X K2

MoE SK Telecom: 688B параметров, 33B активных, нативный FP8, контекст 256K. Apache 2.0; сильна в математике и корейском.

Коротко. A.X K2 — очень большая ИИ-модель южнокорейского телеком-оператора SK Telecom. Она бесплатна для коммерческого использования под Apache 2.0, особенно сильна в математике и вопросах на корейском, а пошаговое рассуждение можно включать и выключать. Она читает только текст и требует большой сервер с несколькими GPU.

Краткое описание

SK Telecom опубликовала A.X K2 на Hugging Face 29 июля 2026 года — это её модель второй фазы для поддерживаемого правительством Южной Кореи проекта суверенных ИИ-моделей-основ. Это текстовая модель-смесь экспертов (mixture-of-experts) на 688 миллиардов параметров с 33 миллиардами активных на токен: 61 слой (1 плотный и 60 слоёв смеси экспертов), 256 маршрутизируемых экспертов с 8 активными плюс один общий эксперт, и Multi-head Latent Attention с разреженным индексатором, который читает 2 048 позиций на запрос. Модель обучалась с нуля, в нативном FP8, примерно на 8 триллионах токенов, с нативным контекстом 128K и 256K через масштабирование YaRN. Один чекпоинт через рецепт Think-Fusion от SK Telecom предлагает режим рассуждения и режим без рассуждения. Токенизатор и обучающие данные нацелены на английский, корейский, китайский, японский и испанский языки.

В собственной таблице SK Telecom, при запуске в режиме рассуждения против семи других моделей, A.X K2 показывает лучший результат на AIME26 (97,1), Apex, Apex-shortlist, KMMLU-Pro (80,5), CLIcK (91,6) и τ²-Bench Telecom (98,0). В агентных и кодовых тестах он уступает сильнейшим моделям: 36,0 на Terminal Bench v2.1 против 61,8 у DeepSeek-V4 Flash и GLM-5.1, и сама карточка называет его агентные показатели умеренными. SK Telecom сообщает о среднем приросте в 32,2 балла по сравнению с A.X K1 на 14 бенчмарках. Это результаты самой SK Telecom, а строки со звёздочкой выполняла Artificial Analysis.

Веса распространяются под Apache 2.0. Чекпоинт — это блочно-масштабированный FP8 объёмом около 694 ГБ, с версией NVFP4 около 398 ГБ, и карточка просит закладывать не менее 800 GiB суммарной памяти GPU с учётом KV-кэша; референсные запуски использовали четыре GPU по 275 ГБ. Transformers поддерживает модель нативно, но только после установки из исходников, так как поддержка была влита после v5.14.1, а для vLLM нужен форк SK Telecom на базе v0.23.0. Для длинного контекста и обслуживания карточка отсылает к vLLM, а не к Transformers.

Подходит для

  • Работа с математикой и корейским языком, где собственная таблица SK Telecom показывает лучшие результаты (AIME26 — 97,1 и KMMLU-Pro — 80,5)
  • Задачи с длинным контекстом до 256K токенов, где карточка сообщает средний RULER 94,6
  • Команды, которым нужна самостоятельно развёртываемая Apache 2.0 модель, разработанная в Корее, с режимом рассуждения, который можно отключить для более дешёвых ответов
  • Обслуживание в низкой точности: веса нативно FP8, и отчёт говорит, что NVFP4 остаётся в пределах одного балла от точности FP8

На что обратить внимание

  • Агентные показатели умеренные, и карточка говорит, что на Terminal Bench и BrowseComp он уступает сильнейшим из сравниваемых моделей
  • Модель работает только с текстом и нацелена лишь на пять языков (английский, корейский, китайский, японский и испанский)
  • Веса FP8 занимают около 694 ГБ, и карточка рекомендует минимум 800 GiB памяти GPU, поэтому нужен узел с несколькими GPU
  • Поддержка vLLM идёт из форка SK Telecom, Transformers требует установки из исходников, а под Transformers flash attention не поддерживается
  • Числа бенчмарков — собственные данные SK Telecom

Заявления о производительности поступают от разработчика и не проверялись независимо.

Сколько памяти ему нужно?

Оценки для варианта A.X K2 NVFP4. Модель со смесью экспертов должна держать в памяти всех своих экспертов, хотя на каждый токен задействуются лишь некоторые, поэтому объём памяти определяется общим числом параметров, а скорость — числом активных.

Варианты Параметры BF16 FP8 / INT8 4-bit (Q4) Поместится на
A.X K2 (FP8) FP8 688B 33B активных 1.58 TB 791 GB 475 GB Десктоп с большим объёмом памяти
A.X K2 NVFP4 NVFP4 688B 33B активных 1.58 TB 791 GB 438 GB Десктоп с большим объёмом памяти

Оценка: веса плюс около 15% накладных расходов. Реальное потребление растёт с длиной контекста и зависит от используемого программного обеспечения.

Калькулятор видеопамяти

Лицензия простыми словами

Одна из самых распространённых разрешительных лицензий. Вы можете использовать и изменять модель, а также продавать продукты, созданные на её основе, выполнив лишь несколько лёгких условий.

Подробнее о Apache 2.0

Смотрите также

Частые вопросы

Что такое A.X K2?
A.X K2 — очень большая ИИ-модель южнокорейского телеком-оператора SK Telecom. Она бесплатна для коммерческого использования под Apache 2.0, особенно сильна в математике и вопросах на корейском, а пошаговое рассуждение можно включать и выключать. Она читает только текст и требует большой сервер с несколькими GPU.
Можно ли использовать A.X K2 в коммерческих целях?
Да. A.X K2 выпущена под Apache 2.0 — это пермиссивная лицензия. Использовать её в коммерческих целях можно при соблюдении стандартных условий, например с сохранением уведомления о лицензии.
Является ли A.X K2 моделью с открытым исходным кодом?
A.X K2 выпущена под Apache 2.0 — лицензией, одобренной Open Source Initiative. Обучающие данные и код обучения могут быть закрыты, поэтому точнее всего говорить об открытых весах под открытой лицензией.
Можно ли запустить A.X K2 на своём компьютере?
Только на машине с большим объёмом памяти. Минимальному варианту, A.X K2 NVFP4, нужно около 438 GB в 4-битной точности. Его вместят десктопы со 128–512 ГБ объединённой памяти, правда, на умеренной скорости.
Когда вышла A.X K2?
A.X K2 выпущена разработчиком SK Telecom 29 июля 2026 г..
Какой длины контекстное окно у A.X K2?
A.X K2 поддерживает контекстное окно до 256K токенов.

Официальные ссылки

Источники

Характеристики взяты из этих первоисточников. Упомянутые результаты бенчмарков приведены по данным разработчика.

Дата выпуска и факты в последний раз проверены 11 ноября 2026 г..

Связанные модели

Модель Дата выпуска Параметры Контекст Лицензия Память минимального варианта
K-EXAONE 2.0 EN LG AI Research 750B 37B активных 256K Apache 2.0 (Пермиссивная) 518 GB GPU-сервер
Solar Open 2 EN Upstage 250B 15B активных 1M Upstage Solar (С условиями) 157 GB Десктоп с большим объёмом памяти
Motif 3 EN Motif Technologies 314B 13.2B активных 256K MIT (Пермиссивная) 206 GB Десктоп с большим объёмом памяти
DeepSeek V4 EN DeepSeek 284B – 1.6T 49B активных 1M MIT (Пермиссивная) 176 GB Десктоп с большим объёмом памяти