ZwZ2-27B : les poids sont arrivés le 16 octobre, l’explication est arrivée dix jours plus tard.

ZwZ2-27Best disponible au téléchargement sur Hugging Face depuis le 16 octobre 2026. Pendant les dix premiers jours de sa vie publique, il n'y a eu ni annonce, ni article, ni README, ni licence déclarée — seulement deux shards de safetensors bf16 sous inclusionAI, et un dépôt qui ne donnait aucune raison d'exister. Le 26 octobre, une fiche de modèle est apparue. Elle indique que le modèle est un système vision-langage entraîné par apprentissage par renforcement, construit sur Qwen3.6-27B, et qu'il publie une évaluation sur 25 benchmarks dans laquelle le modèle dépasse cette base de 4,99 points au total.

C'est là tout ce qu'il y a de nouveau, et il vaut la peine de le distinguer de ce que les gens vont supposer s'être produit. Il ne s'agit pas d'un lancement. Les poids ont onze jours et le fournisseur ne les a toujours pas annoncés. Ce qui a changé cette semaine, c'est que nous pouvons enfin lire à quoi inclusionAI estime que le modèle doit servir.

Ce qui a réellement changé, par date

L’historique des commits du dépôt lui-même constitue la preuve la plus nette dont on dispose, et il n’embellit pas le récit. Trois commits portent tout :

• 16 octobre, 05:42 UTC — commit initial, puis « Ajout des poids du modèle ZwZ2-27B » dix minutes plus tard. Configuration, tokeniseur, processeur et les deux fragments de poids. Pas de README.

• 26 octobre, 02:58 UTC — « Create README.md ». La première description écrite du modèle, dix jours après les poids.

• 26–27 octobre — révisions répétées du README et téléversements de six fichiers au fur et à mesure de l’assemblage des chiffres de référence et des ressources d’images.

Au moment de la rédaction, le dépôt affiche sept téléchargements et zéro j'aime. Le projet GitHub associé, inclusionAI/Zooming-without-Zooming-v2, a été créé le 14 octobre et compte une étoile. Les recherches du nom du modèle en anglais renvoient des articles consacrés à l'ancienne famille ZwZ-2B/4B/8B et au ZwZ2-9B du 16 octobre, et absolument rien sur le 27B. Si un lancement a eu lieu ici, il s'est déroulé sans public.

Le modèle dans le fichier de configuration

Les fichiers de configuration sont la partie la moins glamour et la plus fiable de toute version. Celui-ci décrit un modèle vision-langage dense dont la déclaration d’architecture est Qwen3_5ForConditionalGeneration — la même classe que celle utilisée par les propres modèles de Qwen — avec les chiffres suivants :

• Tour de texte — taille cachée de 5 120, 64 couches, 24 têtes de requête et 4 têtes KV avec une dimension de tête de 256, largeur feed-forward de 17 408.

Agencement de l’attention — un ratio de 3:1 entre les couches d’attention linéaire et les couches d’attention complète, se répétant 16 fois, avec un M-RoPE entrelacé et une base rotative de 10 000 000.

• Vocabulaire et contexte — 248 320 tokens, 262 144 positions natives.

• Tour de vision — 27 couches avec une taille cachée de 1 152, projetant vers 5 120, taille de patch 16 avec fusion spatiale 2×2.

• Prédiction multi-jetons — mtp_num_hidden_layers défini sur 0, c'est-à-dire que la tête MTP a été supprimée par rapport au backbone Qwen.

Cette dernière ligne est la seule différence structurelle par rapport au modèle de base. Tout le reste — nombre de couches, géométrie des têtes, vocabulaire, plafond de contexte, profondeur de vision — correspond à Qwen3.6-27B exactement. ZwZ2-27B est le même corps avec un régime de post-entraînement différent et une tête de décodage spéculatif retirée.

Cela signifie aussi que le modèle n’est pas petit. Avec 27 milliards de paramètres en bf16, les poids représentent environ 54 Go répartis sur deux shards, ce qui donne une charge confortable sur un seul accélérateur de 80 Go, ou une charge serrée sur deux cartes de 40 Go. Il n’existe aucune variante quantifiée dans le dépôt, aucune recette vLLM ou SGLang, et aucune note de serving au-delà d’un guide de démarrage rapide Hugging Face transformers épinglé à la version 5.13.1.

L’allégation « +4.99 », et exactement ce qu’elle couvre

Le titre de la carte est que, sur 25 benchmarks dans six domaines, le modèle « s’améliore par rapport à son modèle de base sur chacun des benchmarks », faisant passer la moyenne globale de 55,52 à 60,51. Les deux moitiés de cette phrase se vérifient au regard de la figure des résultats publiés, et toutes deux nécessitent une nuance.

La nuance, c'est qu'il s'agit du propre harnais d'inclusionAI, de sa propre sélection de benchmarks et de sa propre notation, publiés sur son propre dépôt. Rien ici n'a été reproduit en dehors de l'organisation. C'est une évaluation de fournisseur au sens habituel : utile pour voir ce que l'équipe a optimisé, mais non utilisable comme note indépendante.

L'autre critère est l'échelle. Un gain de 4,99 points sur une moyenne de 25 benchmarks constitue une variation réelle, mais cette moyenne est une moyenne des taux de précision sur des tâches très différentes, chaque domaine étant pondéré à parts égales. Ce n'est pas un indice de capacité et elle ne doit jamais être comparée à un score issu d'une autre suite d'évaluation.

Voici la répartition par domaine, version de base contre version affinée :

• Perception fine — de 62,09 à 67,57, soit un gain de 5,48 sur huit benchmarks, dont VStar, HR-8K et MME-RealWorld.

• Perception spatiale — de 49,72 à 55,98, soit un gain de 6,26 sur six tests de référence.

• Compréhension de contextes longs — de 65,87 à 68,77, soit un gain de 2,90 sur trois benchmarks.

• Raisonnement spatial incarné — de 50,17 à 55,71, soit un gain de 5,54 sur trois benchmarks.

• Agents multimodaux — de 49,73 à 51,81, soit un gain de 2,08 sur trois benchmarks.

• Raisonnement visuel général — de 47,89 à 53,71, soit un gain de 5,82 sur MMStar et BabyVision.

Là où les gains sont concentrés — et où le modèle reste encore faible

La forme de ce tableau compte plus que sa moyenne. Les gains relatifs les plus importants concernent la perception spatiale et le raisonnement incarné, ce qui est cohérent avec ce que la méthode prétend enseigner : comparer, apparier et agréger des preuves provenant de plusieurs régions marquées d’une même image, en utilisant des images complètes au moment de l’inférence et sans appels de zoom externes.

Les deux gains les plus faibles concernent les agents à contexte long et les agents multimodaux. Ce sont aussi les deux domaines où le modèle de base était déjà le plus fort par rapport à la tâche, ce qui est le schéma habituel du fine-tuning RL sur une recette de données étroite : il modifie ce que le signal de récompense est capable de voir.

Les chiffres absolus sont plus édifiants. Chartography se situe à 12,00. AgentVista se situe à 18,18. Perception-Bench à 44,93. Un modèle peut gagner cinq points au global et rester proche de l’inutilisable sur plusieurs benchmarks individuels de l’ensemble, et c’est le cas de celui-ci. Quiconque cite « 60,51 au global » comme chiffre de compétence générale cite une moyenne qui cache un 12.

La recette d’entraînement explique le plafond. EvidenceConnect construit ses données à partir d’images SA-1B en regroupant trois à sept régions liées, en générant des questions avec des recadrages zoomés privilégiés, en filtrant via l’accord entre modèles et des tests de retrait d’une région, en convertissant en tâches à quatre options et en entraînant avec GRPO — les trois tailles de modèle sur environ 20 000 exemples, sans étape de fine-tuning supervisé. C’est un régime ciblé. Il procure de manière fiable la perception au niveau des régions et ne prétend pas procurer un raisonnement ouvert.

Les colonnes du modèle de référence méritent un avertissement

La figure des résultats inclut également trois modèles API comme points de référence : GPT-5.6-Luna à 54,02, GLM-5.3-Flash à 57,24 et DeepSeek-V4.1-Flash à 55,47, contre 60,51 pour ZwZ2-27B. À première vue, cela place un checkpoint à poids ouverts discrètement mis en ligne au-dessus de trois modèles de production hébergés.

Trois éléments devraient tempérer cette lecture. Premièrement, la contrainte de service est mentionnée dans la fiche elle-même : la résolution d’image des modèles avancés était limitée par leurs plateformes de service, ce qui constitue un réel handicap sur un jeu de référence riche en détails fins. Deuxièmement, il ne s’agit pas des évaluations publiées par ces fournisseurs eux-mêmes — c’est inclusionAI qui fait passer les modèles d’autres entreprises dans le harnais d’inclusionAI, sans indication que les fournisseurs aient été impliqués ou aient confirmé les chiffres. Troisièmement, la colonne GPT est explicitement marquée comme non communiquée pour certaines lignes, de sorte que l’ensemble de référence est inégalement rempli.

Rien de tout cela ne rend les chiffres faux. En revanche, cela signifie qu'il s'agit des mesures d'un seul laboratoire sur ses concurrents, au sein d'une suite de benchmarks où son propre modèle a bénéficié de dix jours de réglages supplémentaires. Considérez la comparaison entre modèles de base comme celle qui fait sens, et les colonnes API comme un simple contexte.

Qu'est-ce qui manque encore ?

L’inventaire honnête des inconnues est plus long que la liste des éléments connus, et il commence par la licence. Les métadonnées liminaires de la fiche modèle indiquent le modèle de base, le jeu de données et la tâche du pipeline ; elles ne déclarent pas de licence. Le corps du texte invite à « se référer à la licence accompagnant les poids publiés et à la licence applicable du backbone », ce qui est circulaire lorsque les poids eux-mêmes n’en portent aucune. Qwen3.6-27B est sous Apache-2.0, donc le côté backbone est clair. Les termes du dérivé ne le sont pas, et pour une entreprise qui souhaite intégrer ce modèle dans un produit, cette seule omission a plus de conséquences que n’importe quelle ligne de benchmark.

L'article n'est pas non plus disponible. L'en-tête de la carte contient lui-même le texte de substitution littéral <!-- Replace PAPER_URL with the final v2 paper URL. --> et des liens vers PAPER_URL. Le dépôt du projet existe ; le document vers lequel il devrait pointer n'existe pas.

Au-delà de cela :

• Aucune évaluation indépendante de ZwZ2-27B n’existe, de la part de qui que ce soit.

• Aucune annonce de fournisseur, article de blog ou publication sur les réseaux sociaux n’a été trouvé pour ce modèle.

• L’évaluation publiée est en mode low/thinking — le quickstart de la fiche s’exécute avec enable_thinking=False et le template de chat demande les réponses dans des balises <answer>. Les chiffres du mode thinking ne font pas partie de l’affirmation.

• Aucun support de framework au-delà de la version épinglée de Transformers. Pas de GGUF, pas d'AWQ, aucune configuration vLLM publiée.

• La fiche répertorie les modes de défaillance connus — détails hallucinés, texte mal lu, erreurs de comptage et spatiales — ce qui témoigne de plus de franchise que n’en offrent la plupart des fiches fournisseurs et constitue un juste résumé de ce à quoi ressemble un 12.00 sur Chartography en pratique.

Comment l’évaluer sans miser quoi que ce soit dessus

ZwZ2-27B ne figure pas dans notre catalogue, et cet article ne doit pas être lu comme suggérant qu'il y figure. Pour l'exécuter aujourd'hui, vous devez télécharger 54 Go de poids, installer une version spécifique de Transformers et le servir vous-même — ce qui représente un après-midi raisonnable si vous disposez déjà du matériel, et un mauvais usage d'un après-midi si vous cherchez à répondre à une question produit cette semaine.

Une séquence moins coûteuse consiste à tester l'affirmation plutôt que le modèle. L'affirmation est étroite : que le RL sur un jeu de données de comparaison de régions de 20 K exemples rend un checkpoint Qwen3.6-27B meilleur pour lire les détails fins sans outils de zoom. Si c'est là votre véritable goulot d'étranglement — documents denses, graphiques, captures d'écran d'interface, questions multi-régions — le modèle de base constitue la condition de contrôle, et son successeur est déjà routable ici : Qwen3.8-27B et Qwen3.5-27B sont tous deux sur OrcaRouter derrière une seule clé, aux côtés de plus de 200 autres modèles au prix catalogue du fournisseur, sans marge. Si un ZwZ2-27B auto-hébergé s'avère digne d'être adopté, vous pouvez le placer sur la même clé et laisser le basculement automatique en cas d'échec décider entre lui et un généraliste hébergé plutôt que de réécrire l'intégration.

Ce qui ferait passer cela de « upload intéressant » à « modèle adoptable », c’est une courte liste. Une licence nommée. Un article qui permet de vérifier la construction du benchmark. Une exécution indépendante — même partielle — sur des benchmarks que le fournisseur n’a pas choisis. Et une annonce, qui après onze jours de silence commence à ressembler à une absence délibérée plutôt qu’à un oubli.

D’ici là, l’affirmation défendable est limitée et mérite d’être énoncée clairement : un checkpoint 27B non documenté d’inclusionAI se trouve sur Hugging Face depuis le 16 octobre et, au 26 octobre, ses auteurs sont prêts à revendiquer une amélioration de cinq points par rapport à Qwen3.6-27B sur une suite de benchmarks qu’ils ont eux-mêmes conçue. C’est une hypothèse assortie de poids. Ce n’est pas encore un résultat.