دانشگاه هوش مصنوعی محمد بن زاید امارات (MBZUAI) به همراه شرکت اماراتی G42 از یک مدل استدلال‌گر تازه و کم‌هزینه با نام K2 Think رونمایی کرده است. به گفته توسعه‌دهندگان، این مدل با وجود اندازه بسیار کوچک‌تر نسبت به مدل‌های پرچمدار شرکت‌هایی مانند OpenAI و DeepSeek، توانسته عملکردی هم‌سطح یا حتی برتر در حوزه‌های تخصصی ارائه دهد.
براساس گزارش CNBC، مهم‌ترین نکته درباره K2 Think ابعاد آن است. این مدل تنها ۳۲ میلیارد پارامتر دارد؛ عددی که در مقایسه با مدل R1 شرکت چینی DeepSeek با ۶۷۱ میلیارد پارامتر بسیار ناچیز به نظر می‌رسد. با این حال، آزمایش‌ها نشان داده‌اند که K2 Think در بنچمارک‌های دشوار مرتبط با ریاضیات، برنامه‌نویسی و علوم — مانند AIME24 و GPQA-Diamond — عملکردی مشابه یا بهتر از رقبای خود دارد.
ریچارد مورتون، مدیرعامل مؤسسه مدل‌های پایه‌ای در MBZUAI، می‌گوید: «در حال کشف این واقعیت هستیم که با منابع کمتر می‌توان دستاوردهای بیشتری داشت.» این مدل بر پایه نسخه متن‌باز Qwen 2.5 شرکت علی‌بابا ساخته شده و توسعه و آزمایش آن روی سخت‌افزارهای Cerebras انجام شده است.
عملکرد چشمگیر K2 Think نتیجه استفاده از مجموعه‌ای از روش‌های پیشرفته است؛ از جمله تنظیم دقیق نظارت‌شده با زنجیره طولانی تفکر (Long Chain-of-Thought) و مقیاس‌بندی در زمان تست (Test-Time Scaling) که با اختصاص منابع بیشتر در لحظه استنتاج، کیفیت خروجی را افزایش می‌دهند.
پژوهشگران تأکید می‌کنند که K2 Think صرفاً یک چت‌بات مشابه ChatGPT نیست، بلکه به‌طور ویژه برای حل مسائل پیچیده در حوزه‌هایی چون ریاضیات و علوم طراحی شده است؛ حوزه‌هایی که به توانایی استدلال عمیق نیاز دارند. هدف این پروژه، جایگزین‌کردن فرایندهای زمان‌بر انسانی است. به بیان دیگر، به جای صرف سال‌ها تلاش صدها یا هزاران پژوهشگر برای بررسی یک پرسش علمی یا یک مجموعه آزمایش بالینی، این مدل می‌تواند همان مسیر را در مدت‌زمانی بسیار کوتاه طی کند.