ZwZ2-4B صدر دون إطلاق: ما تقوله بطاقة النموذج وما لا تقوله

الZwZ2-4B أُنشئ في 15 أكتوبر 2026 الساعة 06:11 UTC، واعتبارًا من صباح اليوم، لديه صفر من التنزيلات وصفر من الإعجابات. هذا ليس بالأمر غير المعتاد بالنسبة لنقطة تحقق لم يعلن عنها أحد. غير المعتاد أنه يحمل أيضًا بطاقة نموذج كاملة: قسم للطريقة، ووصف لبيانات التدريب، وكتلة بدء سريع، ونتيجة رئيسية تدّعي تحقيق نتائج على 25 معيارًا وتحسنًا قدره 5.38 نقطة على Qwen3.5-4B، النموذج الذي جرى الضبط الدقيق انطلاقًا منه. نشرت inclusionAI التوثيق دون نشر الإعلان. البطاقة موجودة؛ أما البيان الصحفي فليس كذلك؛ والفرق بين هذين الأمرين هو القصة كاملة لنقطة التحقق هذه.

هذا المقال محدود النطاق عمدًا فيما سيؤكده. كل ما يرد أدناه موسومًا بأنه حقيقة من المستودع قُرئ مباشرة من الملفات — الإعدادات، وفهرس الأوزان، ومدخل مجموعة البيانات، والبطاقة نفسها. وكل ما هو موسوم بأنه ادعاء من المورّد هو رقم inclusionAI الخاص، أُعيد إنتاجه بوصفه ادعاءً لا نتيجةً. لا يوجد أي تقييم مستقل لـ ZwZ2-4B، وأي شخص يقول لك خلاف ذلك فإنه يعيد قراءة البطاقة عليك.

ما الذي تحقق فعليًا، وفي أي تواريخ؟

وصلت عائلة ZwZ2 خلال نافذة زمنية بلغت نحو ثلاث وعشرين ساعة ونصفًا، بترتيب حجم معكوس. جاء ZwZ2-4B أولًا، في 15 أكتوبر الساعة 06:11 UTC. ZwZ2-9B تبعه في 16 أكتوبر الساعة 03:42. ZwZ2-27B وأكمل المجموعة في الساعة 05:42 من صباح اليوم نفسه. ظهرت مجموعة بيانات التدريب inclusionAI/ZwZ2-RL-VQA، بعد ثلاثة أيام في 19 أكتوبر. تحمل المستودعات الثلاثة جميعها، ومجموعة البيانات ومجموعة العائلة، طوابع زمنية بتاريخ اليوم، 27 أكتوبر — وهي أحدث جولة صيانة على عائلة لا يزال لا يوجد إعلان عام مرتبط بها.

ما لم يحدث: لا مدخل على مدونة inclusionAI ولا موضوع إطلاق. نقاط التحقق الثلاث تشترك فعلًا في مجموعة، Zooming-without-Zooming-v2، تضم أربعة عناصر، لكن المجموعة حاوية وليست إعلانًا. مستودع GitHub الذي يستضيف شيفرة الجيل الأول لم يُحدَّث إطلاقًا — فلا يزال يسرد أربعة نماذج، ZwZ-2B وZwZ-4B وZwZ-7B وZwZ-8B، جميعها مبنية على هياكل Qwen3-VL الأساسية. عائلة v2 ليست فيه. وإذا بحثت عن الشيفرة التي أنتجت ZwZ2-4B، فستجد شيفرة سابقتها، ولن يذكر README هناك النموذج الذي تحمله بين يديك.

الادعاء، بصياغته بوصفه ادعاءً

تفيد بطاقة inclusionAI بدقة إجمالية قدرها 49.41 للنموذج الأساسي و54.79 لـ ZwZ2-4B، مقيسة عبر 25 معيارًا مجمّعة في ستة مجالات. وتقول البطاقة إن النموذج تحسّن في كل واحد من تلك المعايير، وإن المتوسطات الإجمالية ومتوسطات المجالات تزن كل معيار بالتساوي. والمجالات الستة التي تسميها هي الإدراك الدقيق، والاستدلال المكاني، وفهم السياق الطويل، والوكلاء متعددو الوسائط والاستدلال البصري العام، إضافة إلى مجموعة الإدراك الدقيق التي تحمل العنوان الرئيسي.

هذان الرقمان هما الحجة الكمية الكاملة للنموذج. توجد درجات كل معيار على الصفحة كأشكال — صورة PNG وملف SVG — وليس كنص، ما يعني أن النتائج التمثيلية الثماني والخمس والعشرين الكاملة مرئية لكنها غير قابلة للقراءة آليًا. مجموعة المعايير الوحيدة الموصوفة نثرًا هي MMLongBench*، التي يُدرج جوهرها البصري باسم V-RAG وImage MM-NIAH وVH-Multi، عبر 25 مهمة لا تشمل Counting. تشير البطاقة أيضًا إلى أن دقة الصورة الخاصة بـ«النماذج المتقدمة» مقيّدة بمنصة الخدمة، وهو تحفّظ عادل وتذكير أيضًا بأن درجة الإدراك هي جزئيًا بيان عن كيفية وصول الصورة إلى النموذج.

متوسط +5.38 عبر 25 معيارًا ادّعاءٌ كبير لطراز من فئة 4B. وهو أيضًا بالضبط نوع الادّعاءات التي يكون البائع في أفضل موقع لطرحها وفي أسوأ موقع للتحقق منها، لأن البائع هو من اختار مجموعة المعايير والأوزان ودقة القياس. تعامل مع 54.79 باعتباره الرقم الذي ينبغي إعادة إنتاجه، لا الرقم الذي تُخطّط على أساسه.

الطريقة: تمريرة واحدة، بدون تكبير، بدون SFT

تُسمى خط أنابيب التدريب EvidenceConnect، وهي الجيل الثاني من فكرة نشرها المختبر في وقت سابق من هذا العام تحت اسم "Zooming without Zooming". وتقوم الفكرة على أن الإدراك البصري الدقيق يُحل عادةً في وقت الاستدلال — قصّ المنطقة، وإعادة طرح السؤال، والتكرار — وأن ذلك مكلف وهش. أما ZwZ2 فيعلّم النموذج بدلاً من ذلك الانتباه إلى الأدلة المناطقية داخل تمريرة أمامية واحدة.

يجري البناء في أربع خطوات، كما تصفه البطاقة. تُجمَّع المناطق المترابطة في مجموعات من ثلاث إلى سبع لكل صورة، مأخوذة من SA-1B. وتُولَّد الأسئلة مقابل عروض مكبّرة خاصة بتلك المناطق، بحيث يستطيع كاتب الأسئلة رؤية تفاصيل لن يراها نموذج السياسة أبدًا عند الاستدلال. ثم تُرشَّح تلك الأسئلة مرتين — عبر اتفاق بين النماذج، وعبر اختبار إسقاط منطقة واحدة يتحقق مما إذا كانت إزالة منطقة ما تغيّر الإجابة فعليًا. وتصبح الأسئلة المتحققة مهام اختيار من متعدد بأربعة خيارات، ويُدرَّب النموذج باستخدام GRPO. ولا توجد على الإطلاق أي مرحلة ضبط دقيق بإشراف.

عند الاستدلال، ترى السياسة الصورة الكاملة وقد رُسمت عليها خطوط حدود المناطق الملوّنة. ولا توجد القصاصات المميّزة إلا أثناء بناء البيانات. واستخدم كل حجم نموذج في العائلة نحو 20,000 مثال تدريبي؛ وتذكر بطاقة مجموعة البيانات أن الرقم الدقيق هو 20,662 سؤال اختيار من متعدد، وخمس عمليات تنزيل، وتاريخ إنشاء 19 أكتوبر.

للتصميم نتيجة ظاهرة واحدة تستحق التنبيه إليها لكل من يخطط لتقييمه. فالنموذج المدرَّب فقط على الاختيار من متعدد بأربعة خيارات يجري تحسينه لشكل مهمة لا يشبه على الإطلاق وصف الصور المفتوح أو الأسئلة والأجوبة البصرية ذات الصياغة الحرة. وإذا كان عبء عملك يتطلب فقرة عن صورة، فإن نقطة التحقق هذه لم تُدرَّب على ذلك، وقسم القيود في بطاقة النموذج يقول ذلك صراحةً: تفاصيل مُهلوسة، ونص مقروء خطأً، وأخطاء في العد، وأخطاء مكانية.

ما يثبته التكوين، بمعزلٍ عن المختبر

هناك نوع من الحقائق لا تحتاج إلى قبوله دون تحقق، لأنه مجرد عمليات حسابية على ملفات منشورة. يضم ZwZ2-4B عدد 4,539,265,536 معلمة بصيغة BF16، مخزنة في ملف safetensors واحد بحجم 9.08 غيغابايت. صفحة Hugging Face تقرّب هذا إلى "5B"، وهو تقريب سخي؛ بينما يذكر الفهرس 4.54B. أما أصله Qwen3.5-4B فيزن 4,659,865,088 — لذا فإن النموذج المشتق يبلغ نحو 120.6 مليون معلمة أقل من النموذج الذي دُرّب منه.

لهذا الفرق تفسير واضح في الإعدادات. يُعلن Qwen3.5-4B عن طبقة واحدة للتنبؤ متعدد الرموز؛ بينما يُعلن ZwZ2-4B عن صفر. وقد أُزيل رأس فك التشفير التخميني. وإذا أزلت رأس MTP من نقطة تحقق بحجم 4.6B، فستصل تقريبًا إلى الفجوة الملحوظة نفسها. هذا هو التعديل نفسه الذي يحمله الشقيق 9B، وهو أقوى دليل متاح على أن هذه مشتقات مدرَّبة لاحقًا وليست نماذج مدرَّبة حديثًا.

بقية المكدس دون تغيير عن الأساس:

• العمق — 32 طبقة في كلٍ من ZwZ2-4B وQwen3.5-4B

• العرض — الحجم المخفي 2,560، الوسيط 9,216

• الانتباه — 16 رأس استعلام مقابل 4 رؤوس KV، وبُعد الرأس 256، وجدول خطي إلى كامل بنسبة 3:1 (24 طبقة خطية، و8 كاملة)

• المفردات — 248,320 رمزًا، تضمينات مرتبطة

• السياق — 262,144 موضعًا، M-RoPE بتقسيم 11/11/10، عامل تدوير جزئي 0.25

• برج الرؤية — 24 طبقة بحجم مخفي 1,024، حجم الرقعة 16، دمج مكاني 2×2

• بيئة التشغيل — transformers 5.13.1، معرّف البنية Qwen3_5ForConditionalGeneration

قالب المحادثة يستحق سطرًا واحدًا لأنه يغيّر طريقة تصرف النموذج افتراضيًا. يعمل القالب المنشور في وضع عدم التفكير ويوجّه النموذج إلى وضع إجابته النهائية داخل وسوم <answer>. إذا حمّلته باستخدام إطار VLM عام يتوقع نصًا حرًا، فستجد وسومًا في مخرجاتك وتتساءل عن السبب.

ما لا تخبرك به البطاقة

ثلاث فجوات تهمّ أكثر من أي شيء تقوله البطاقة.

الأول هو الترخيص. لا يحتوي المستودع على ملف LICENSE ولا على وسم ترخيص. تُحيل صياغة البطاقة نفسها إلى «الترخيص المرافق للأوزان المنشورة وترخيص النموذج الأساسي المعمول به» — لكن لا يوجد ملف ترخيص مرافق تُحال إليه. النموذج الأساسي، Qwen3.5-4B، مرخّص بموجب Apache-2.0، لذا فإن القراءة الأرجح هي أن المشتق يرثه. لكن «الأرجح» ليس هو نفسه «المعلن»، ولن تقبل مراجعة قانونية جملةً في البطاقة تشير إلى ملف غير موجود.

الثاني هو الورقة البحثية. طريقة v2 — EvidenceConnect، ومرشّح إسقاط منطقة واحدة، والتدريب بـ GRPO فقط — ليست لها كتابة منشورة علنًا. لا يزال رابط الورقة في البطاقة هو العنصر النائب الحرفي PAPER_URL. ومعرّف arXiv الوحيد المرتبط بالمستودع، 2602.11858، هو ورقة الجيل الأول، التي تصف التقطير من المنطقة إلى الصورة على أساسات Qwen3-VL: طريقة مختلفة، وعائلة أساس مختلفة، ومجموعة أرقام مختلفة. وترث بطاقة مجموعة البيانات المعرّف نفسه، لذا تنقل الوسمة عدم التطابق.

الثالث هو غياب أي قياس مستقل. لم تُقيّم أي لوحة صدارة النموذج ZwZ2-4B، ولا توجد أي نسخة مكررة، ولم يتحرك عدّاد التنزيلات عن الصفر. يمكن أن يكون النموذج ممتازًا وغير مُقاس في الوقت نفسه؛ والنقطة فقط هي أنه لا شيء خارج المختبر قد أكّد بعد الرقم 54.79.

فخّ التسمية الذي ستقع فيه

ابحث عن هذا الطراز وستجد طرازًا مختلفًا أولًا. الجيل الأول ZwZ-4B هو نقطة تحقق حقيقية وموثّقة مبنية على Qwen3-VL-4B، وينشر متوسطًا قدره 66.86 مقابل 61.52 لنموذجه الأساسي، مع درجة ZoomBench قدرها 55.74. هذه الأرقام مقتبسة على نطاق واسع وهي ليست أرقام ZwZ2-4B. إنها تنتمي إلى نموذج أساس مختلف ووصفة تدريب مختلفة ومجموعة اختبارات معيارية مختلفة.

الاسمان يختلفان بحرف واحد. جدول مقارنة يخلط بينهما سيبدو متسقًا داخليًا لكنه سيكون خاطئًا. إذا عرضت صفحة مورّد أو مُجمِّع ZwZ2-4B عند 66.86، فهذا هو الخطأ الذي تنظر إليه.

إذا كنت بحاجة إلى نموذج رؤية صغير هذا الأسبوع

ZwZ2-4B ليس في كتالوج OrcaRouter، وهذا المقال لن يتظاهر بغير ذلك. إنه نقطة تحقق تقوم بتنزيلها وتشغيلها بنفسك؛ فلا توجد نقطة نهاية مستضافة له في أي مكان تعترف به صفحة Hugging Face، وتُصرّح الصفحة صراحةً بأنه لا يوجد أي مزوّد استدلال يقدمه.

ما يوفره الكتالوج هو البديل العملي للمهمة نفسها: qwen/qwen3-vl-8b-instruct بسعر 0.18 دولار لكل مليون رمز إدخال و0.70 دولار لكل مليون رمز إخراج، مع سياق 131K، ويُقدَّم عبر نفس نقطة النهاية المتوافقة مع OpenAI ككل شيء آخر. إذا كانت خطتك هي تقييم ZwZ2-4B مقابل أساس رؤية مستضاف، فهذا هو الأساس، وتشغيل كليهما من مفتاح واحد يعني مكتبة عميل واحدة وفاتورة واحدة بدلًا من تكاملين. يوجّه OrcaRouter أكثر من 200 طراز مع تجاوز فشل تلقائي، لذا فإن مسار رؤية مبنيًا على نقطة النهاية تلك لا يعتمد على بقاء مزوّد منبع واحد سليمًا.

بالنسبة لنموذج بصفر تنزيلات ودون ملف ترخيص، فذلك هو التوصية الصادقة: استأجر المقارنة، وامتلك التجربة.

ما الذي قد يغيّر هذا التقييم؟

ثلاثة أحداث، بترتيب تنازلي للأهمية. ملف ترخيص، من شأنه أن يحوّل مجهولاً قانونياً إلى إجابة قانونية. ورقة عامة للإصدار v2، من شأنها أن تتيح لشخص ما فحص تصفية EvidenceConnect بحثاً عن التسريب — اختبار إسقاط منطقة واحدة فكرة جيدة، والأفكار الجيدة هي بالضبط ما يحتاج إلى تدقيق. وأي نتيجة من طرف ثالث على الإطلاق، لأن معياراً واحداً قابلاً لإعادة الإنتاج على أداة اختبار محايدة سيفعل لهذه النقطة المرجعية أكثر مما تفعله ألف كلمة أخرى من بطاقة.

حتى يتحقق أحد تلك الأمور، فإن ZwZ2-4B متخصص في الإدراك بحجم 4.54B، موثّق جيدًا وغير مُعلَن وغير مُقاس، وتقول بطاقته الخاصة إنه يتفوق على نموذجه الأساسي بـ5.38 نقطة. هذا ادعاء حقيقي ومحدد. لكنه ليس نتيجة بعد، وهذا التمييز هو الشيء الوحيد الجدير بأخذه من هذا المستودع.