ZwZ2-27B مقابل ZwZ2-9B: ما الذي تحققه ثلاثة أضعاف عدد المعاملات فعليًا

في اختبار واحد فقط بالضبط ضمن جدول الاختبارات الـ25 الخاص بـ inclusionAI، يفوز النموذج الأصغر. يمنح Chartography — قراءة القيم من الرسوم البيانية — ZwZ2-9B درجة 13.00 وZwZ2-27B درجة 12.00. كلاهما منخفض. ولا أي منهما جيد. لكن الاتجاه هو الجزء المثير للاهتمام، لأن هذين النموذجين هما التجربة نفسها بحجمين: وصفة تدريب واحدة، ومجموعة بيانات واحدة، وطريقة ورقة واحدة، مطبقة على هيكل Qwen3.5-9B وهيكل Qwen3.6-27B على الترتيب. إذا كانت الوصفة متطابقة وكان النموذج الأكبر يستحق ثلاثة أضعاف المعاملات، فإن حسابية أين يظهر ذلك الحجم فعليًا أكثر إثارة للدهشة مما توحي به الدرجات الإجمالية الرئيسية.

تجدر الإشارة أيضاً في البداية إلى أن كلا النموذجين ظهر بالطريقة الهادئة نفسها. أُنشئ مستودع ZwZ2-9B في الساعة 03:42 UTC من يوم 16 أكتوبر 2026؛ وأُنشئ مستودع ZwZ2-27B في الساعة 05:42 من صباح اليوم نفسه. ظل كلا النموذجين يحملان الأوزان دون أي وثائق لمدة عشرة أيام، وتلقى كلاهما بطاقات نموذج تتضمن جداول قياس أداء كاملة في 26 أكتوبر. لا يعلن أي منهما عن ترخيص. ولا يملك أي منهما ورقة بحثية منشورة — فلا تزال البطاقات تحتوي على العنصر النائب PAPER_URL.

وصفة واحدة، جسدان

طريقة التدريب ليست متشابهة بين النموذجين فحسب، بل هي الطريقة نفسها مطبقة على هيكلين أساسيين، مما يجعل مقارنتهما نظيفة على نحو غير معتاد. تجمع EvidenceConnect بين ثلاثة إلى سبعة مناطق مرتبطة من صور SA-1B، وتولّد أسئلة باستخدام قصاصات مقربة خاصة، وتُرشّح تلك الأسئلة عبر توافق بين النماذج واختبار إسقاط منطقة واحدة، وتحوّل الأسئلة الناجية إلى مهام رباعية الخيارات، وتدرّب باستخدام GRPO — دون مرحلة ضبط دقيق خاضع للإشراف. ويستخدم كلا النموذجين نحو 20,000 مثال تدريبي.

تختلف الأجسام بالطريقة المعتادة:

• الحجم — 9 مليارات معامل عبر 32 طبقة ببعد مخفي 4,096، مقابل 27 مليارًا عبر 64 طبقة ببعد مخفي 5,120.

• الانتباه — 16 رأس استعلام و4 رؤوس KV عند البُعد 256 للنموذج 9B، مقابل 24 رأس استعلام و4 رؤوس KV عند البُعد نفسه للنموذج 27B.

• التغذية الأمامية — حجم وسيط 12,288 مقابل 17,408.

• الرؤية — البرج نفسه في كليهما: 27 طبقة بحجم مخفي 1,152، تُسقط إلى 4,096 و5,120 على التوالي.

• السياق والمفردات — متطابقان عند 262,144 موضعًا و248,320 رمزًا.

• التنبؤ متعدد الرموز — أُزيل من كليهما، مع ضبط mtp_num_hidden_layers على 0.

• النماذج الأساسية — Qwen3.5-9B للصغير، وQwen3.6-27B للكبير. هذا هو التفصيل الذي يعقّد المقارنة، والقسم التالي يتناول سبب ذلك.

من أين تأتي في الواقع الفجوة الإجمالية البالغة 3.92 نقطة

إليك النتيجة التي لم أكن أتوقعها قبل إجراء الطرح. المتوسطات الإجمالية هي 60.51 لـ ZwZ2-27B و56.59 لـ ZwZ2-9B — بفارق 3.92 نقطة. انظر الآن إلى ما أضافته كل وصفة إلى قاعدتها الخاصة، وهو منشور في الجداول نفسها، بواسطة المختبر نفسه، وعلى نفس أداة الاختبار:

• ZwZ2-27B — نسخة Qwen3.6-27B الأساسية عند 55.52، والمضبوطة عند 60.51. تحسّن بمقدار 4.99.

• ZwZ2-9B — نسخة Qwen3.5-9B الأساسية عند 51.63، والمضبوطة عند 56.59. تحسّن قدره 4.96.

تحقق الوصفة تقريبًا نفس التحسين نفسه عند كلا الحجمين. فثلاثة أضعاف المعلمات لم تجلب سوى 0.03 نقطة من فائدة التدريب الإضافية. وكانت النماذج الأساسية متباعدة أصلًا بمقدار 3.89 نقطة قبل أن يُمس أيٌّ منهما.

إذًا، من أصل فجوة قدرها 3.92 نقطة بين النموذجين المكتملين، كانت 3.89 نقطة موروثة من نقاط التحقق التي بدآ منها. لم يُنشئ التخصص هذه الفجوة، بل حافظ عليها بشكل شبه مثالي.

هذه مقارنة داخل مختبر واحد وباستخدام إطار اختبار واحد، لذا فإن الطرح مشروع على نحو لا تكون عليه أبدًا المقارنات بين موردين مختلفين — فكل واحد من تلك الأرقام الأربعة يأتي من الجدول نفسه، أنتجه رمز التقييم نفسه، على مجموعة المعايير نفسها. والتقريب خشن بما يكفي بحيث لا ينبغي قراءة 0.03 على أنها دقة؛ والقراءة الصادقة هي «غير قابلة للتمييز».

ما يعنيه ذلك عمليًا هو أن الاختيار بين هذين النموذجين يكاد يكون اختيارًا بين Qwen3.5-9B وQwen3.6-27B، بالإضافة إلى تعديل إدراكي ثابت. وإذا لم تكن ستختار النموذج الأساسي الأكبر لعبء عملك، فإن تدريب ZwZ2 لن يغيّر ذلك القرار.

نطاقًا بنطاق: يظهر الحجم في مكان واحد

المتوسطات تخفي البنية، وهنا البنية غير متوازنة. وبمقارنة النموذجين المضبوطين عبر المجالات الستة:

• الإدراك الدقيق — 67.57 للنموذج 27B مقابل 66.02 للنموذج 9B. بفارق 1.55، وهو الأصغر بين الستة.

• الإدراك المكاني — 55.98 مقابل 52.33. بفارق 3.65.

• الاستدلال البصري العام — 53.71 مقابل 49.83. بفارق 3.88.

• الاستدلال المكاني المُجسَّد — 55.71 مقابل 51.11. بفارق 4.60.

• فهم السياق الطويل — 68.77 مقابل 64.08. بفارق 4.69.

• وكلاء متعددو الوسائط — 51.81 مقابل 42.43. بفارق 9.38.

النمط ثابت: يتضاعف تقريبًا تفوق النموذج الأكبر عندما تنتقل المهمة من النظر إلى صورة إلى التصرف بناءً عليها. وفي معايير الإدراك الدقيق الثمانية — تلك التي صُممت الطريقة صراحةً من أجلها — لا يتجاوز الفارق بين النموذجين نقطة ونصف، بينما يسير Chartography في الاتجاه المعاكس.

المجال الوكيلي هو حيث يستحق الطراز 27B بصمة ذاكرته، ومعظم هذا الفارق يأتي من اختبار واحد. تسجّل UI-Vision نتيجة 66.66 لـ ZwZ2-27B و45.48 لـ ZwZ2-9B — بفارق 21.18 نقطة، وهو أكبر من أي فارق آخر في الجدول. ويضيف ScreenSpot-Pro وAgentVista مساهمات أصغر، عند 70.59 مقابل 66.98 و18.18 مقابل 14.83.

UI-Vision هو معيار قياس لتأصيل الواجهات، والنتيجة تقول شيئًا محددًا لا عامًا: إذا كان عبء عملك هو قراءة واجهة برمجية وتشغيلها، فإن 27B يفعل شيئًا لا يستطيع 9B فعله في الغالب. وإذا كان عبء عملك هو مقارنة مناطق محددة على صورة فوتوغرافية أو صفحة مستند، فإن 9B يفعل الأمر نفسه تقريبًا مقابل ثلث الأوزان.

الاختبار الوحيد الذي يفوز فيه النموذج الصغير، وإلى أي مدى ينبغي أن يُحتسب ذلك

يستحق رسم المخططات التوقف عنده تحديدًا لأنه الاستثناء الذي يثبت مدى ضيق التخصص. الدرجتان سيئتان — 13.00 و12.00 من 100، مقابل أساس Qwen3.6-27B البالغ 8.00 وأساس Qwen3.5-9B البالغ 7.00. رفع التدريب كلا النموذجين بنحو خمس إلى ست نقاط في مهمة لا يزالان غير قادرين على أدائها بموثوقية، وصادف أن جاء ارتفاع نموذج 9B أعلى بنقطة واحدة.

الاستنتاج الصحيح ليس أن نموذج 9B أفضل في المخططات. بل إن الفارق بين النموذجين في مهمة بعيدة إلى هذا الحد عن توزيع التدريب هو ضوضاء، وإن السلوك المعقول هو توجيه قراءة المخططات إلى مكان آخر بالكامل. فالنموذج الذي يحصل على 12 أو 13 في اختبار للمخططات لا يملك قدرة على قراءة المخططات يمكن المفاضلة بينها.

ينطبق التحذير نفسه على الدرجات المطلقة المنخفضة الأخرى. يحقق ZwZ2-9B في المتوسط 42.43 في وكلاء متعدد الوسائط و18.18 على AgentVista؛ ويحقق ZwZ2-27B في المتوسط 51.81 و18.18. كلاهما ضعيف في العمل الوكيلي بالقيم المطلقة، وكون النموذج الأكبر أقل ضعفاً بكثير لا يجعله قوياً.

كيف تبدو بصمة الذاكرة في الواقع

الفرق في عدد المعاملات هو الجزء الذي تدفع ثمنه كل يوم. ZwZ2-9B هو ملف safetensors واحد يضم 9.41 مليار معامل، وحجمه نحو 19 GB بصيغة bf16. أما ZwZ2-27B فهو موزّع على شريحتين بحجم يقارب 54 GB. أضف إلى ذلك تنشيطات برج الرؤية وميزانية KV بسعة 262,144 موضعًا، فيصبح التقسيم العملي هو:

• {{1}}ZwZ2-9B{{/1}} — ملاءمة مريحة على مسرّع استهلاكي واحد بسعة 24 غيغابايت بدقة {{2}}bf16{{/2}}، محكمة لكنها عملية؛ لا يوجد إصدار مُكمَّم، لذا فأنت تحمل الدقة الكاملة ما لم تقم بالتكميم بنفسك.

• ZwZ2-27B — بطاقة واحدة بسعة 80 GB مع هامش إضافي، أو بطاقتان بسعة 40 GB عبر تقسيم ضيق للتوازي التنسوري. لا شيء أقل من ذلك يشغّله بدقة bf16.

• دعم التقديم — لا يوفّر أي من المستودعين وصفة vLLM أو SGLang. يثبّت كلاهما transformers==5.13.1 في البدء السريع، وكلا المستودعين موثّقان فقط في وضع عدم التفكير مع إجابات مغلّفة بوسوم <answer>. ولا يصرّح أي منهما بترخيص، وهو عقبة أكبر في النشر الإنتاجي من أي من رقمَي الذاكرة.

تستحق تلك النقطة الأخيرة جملة خاصة بها، لأن الأمر متطابق على الجانبين: لا يوجد ترخيص يمكن قراءته. فالبطاقات تحيل إلى «الترخيص المرافق للأوزان الصادرة»، بينما لا تحمل الأوزان أي ترخيص. وأي حجم تختار، يظل السؤال التجاري دون إجابة.

استخدام كليهما بدلاً من الاختيار

يشير جدول النطاقات إلى نمط من مستويين بقوة أكبر مما يشير إلى فائز واحد. فالإدراك الدقيق لا يكاد يتغيّر بين الأحجام، لذا يُعدّ طراز 9B تمريرة أولى معقولة هناك؛ أما العمل على الواجهات الوكيلية فيتحرّك بأكثر من تسع نقاط على متوسط النطاقات وواحد وعشرين نقطة على UI-Vision، لذا فإن هذا النوع من حركة الاستخدام ينتمي إلى طراز 27B. والموجّه الذي يوزّع حسب نوع المهمة سينفق معظم رموزه على الطراز الرخيص ويحتفظ بالمكلف للشاشات.

لا يتوفر أي من مقاسَي ZwZ2 في كتالوجنا، لذا فإن هذا النمط اليوم يعني تشغيل نقطتَي تحقق على عتادك الخاص وكتابة التوزيع بنفسك. أما ما يناسب OrcaRouter فهو الجانب العام من المكدس نفسه: Qwen3.8-27B وQwen3.5-27B كلاهما قابلان للتوجيه هنا خلف مفتاح واحد بسعر قائمة المزوّد دون أي هامش، لذا يمكن لحمل العمل الذي لا يحتاج إلى مقارنة المناطق أن ينتقل إلى نموذج مستضاف مع تحويل تلقائي عند الفشل بينما تبقى حركة المرور المتخصصة محلية. هذا ادعاء أصغر من «توجيه ZwZ2 عبرنا»، وهو ما لا يمكننا تقديمه — لكنه الجزء من البنية المتاح فعلاً الآن.

الخلاصة الصادقة غير مبهرة. نقطتا حفظ، والوصفة نفسها، والصمت نفسه، والترخيص الناقص نفسه، وفجوة أداء هي تقريبًا بالكامل الفجوة الموجودة مسبقًا بين النموذجين الأساسيين، مضافًا إليها تخصص حقيقي واحد عند الطرف الأعلى لأعمال الواجهات. إذا كنت تحتاج إلى أرقام واجهة المستخدم الخاصة بـ27B، فأنت تحتاج إلى 27B وبطاقة 80 GB. وإذا لم تكن بحاجة إليها، فإن 9B يمنحك نتيجة لا تبعد أكثر من نقطة ونصف على المهمة التي بُني المشروع كله لتحسينها، ويتسع ليعمل على عتاد تملكه على الأرجح بالفعل.