ZwZ2-4B vs Qwen3.8-27B : un spécialiste de 4,5 B rencontre le modèle phare de 28 B de Qwen

Supposons que votre pipeline d'images exécute 200 000 requêtes par jour et que vous ne disposiez que d'une seule carte de 16 Go. Cette seule contrainte exclut Qwen3.8-27B avant même d'aborder le moindre benchmark : avec 28 milliards de paramètres, les poids BF16 à eux seuls font environ 56 Go, et aucune astuce de déploiement, aussi ingénieuse soit-elle, ne permet de les faire tenir sur 16 Go sans une quantification que vous n'avez pas budgétée. ZwZ2-4B, avec ses 4,54 milliards de paramètres et un fichier de poids de 9,08 Go, tient. La vraie question n'est donc pas de savoir quel modèle est le meilleur. C'est de savoir si la capacité plus étroite du petit checkpoint constitue une véritable contrainte pour votre charge de travail, ou si vous étiez sur le point de payer pour un modèle phare afin de répondre à des questions sur des recadrages de photos de produits.

Il y a une subtilité qui rend cette confrontation plus étrange que ne le suggère son identifiant. La génération 3.8 de Qwen n'a jamais publié de modèle dans cette catégorie de taille. Ses membres sont le modèle dense 27B du 5 août 2026, un mélange d'experts de 2,4 billions de paramètres du 8 août, et Flash-Next le 24 août — qui, malgré son nom, est un modèle de 180 milliards de paramètres d'une autre famille d'architecture. Aucun modèle dense en dessous de 27B. Ainsi, ZwZ2-4B a pour véritable adversaire de même taille Qwen3.5-4B, le checkpoint de février à partir duquel il a été affiné. Qwen3.8-27B entre dans cette comparaison comme le plafond, et non comme l'équivalent.

Il n’existe aucun benchmark sur lequel ces deux puissent se rencontrer.

Commençons par ce qui rend la plupart des pages de comparaison malhonnêtes. Qwen3.8-27B dispose d’évaluations publiées et d’un écosystème ; ZwZ2-4B a 25 résultats de benchmarks qui n’existent que dans sa propre fiche de modèle, produits par le laboratoire qui l’a entraîné, sans aucune réplication indépendante, où que ce soit. On ne peut pas placer un 54.79 rapporté par le fournisseur à côté d’une suite de benchmarks d’un autre laboratoire et les soustraire. Les deux chiffres n’ont pas été produits sur les mêmes tâches, à la même résolution, sous le même harnais.

Cet article ne les oppose donc pas dans un classement. Il compare ce que chacun est conçu pour faire, ce que chacun coûte à exploiter, et ce que le plus petit sacrifie. Lorsqu’un chiffre apparaît, il est étiqueté selon qui l’a produit.

L'écart, dimension par dimension

• Paramètres — ZwZ2-4B 4,539,265,536 vs Qwen3.8-27B 28B sur sa fiche

• Poids sur disque — environ 9,08 GB en BF16 contre environ 56 GB en BF16

• Profondeur — 32 couches vs 64

• Largeur — taille cachée 2 560 vs 5 120

• Forme de l’attention — 16 têtes de requête contre 4 têtes KV avec une dimension de tête de 256, dans les deux

• Programme d’attention — un ratio de 3:1 entre linéaire et complet dans les deux

• Fenêtre de contexte — 262 144 positions dans les deux

• Vocabulaire — 248 320 jetons dans les deux

• Tour de vision — 24 couches avec une dimension cachée de 1 024, contre 27 couches avec une dimension cachée de 1 152

• Licence — aucune déclarée pour ZwZ2-4B vs Apache-2.0 pour Qwen3.8-27B

Les quatre lignes correspondantes sont les plus intéressantes. Les deux modèles héritent du même identifiant d’architecture, qwen3_5, avec la même géométrie d’attention et le même plafond de contexte. La génération 3.8 n’a pas repensé la pile ; elle l’a mise à l’échelle. C’est pourquoi la configuration du 4B ressemble à une miniature de celle du 27B plutôt qu’à un objet étranger, et c’est aussi pourquoi le 4B hérite des caractéristiques de service du 27B — les couches d’attention linéaire sont ce qui rend un contexte de 262K abordable à cette taille.

Le seul chiffre vraiment comparable de toute la confrontation

La fiche de ZwZ2-4B indique 49,41 pour son modèle de base et 54,79 pour lui-même sur 25 benchmarks, soit un gain de 5,38 points. Il s’agit d’une comparaison entre deux checkpoints entraînés et mesurés selon la même procédure, sur les mêmes tâches, par le même laboratoire. Les chiffres restent rapportés par le fournisseur, et la sélection des benchmarks revient au laboratoire, mais au moins les deux termes de la soustraction sont comparables.

Deux choses en découlent. Premièrement, le gain n’est réel que dans la mesure où le laboratoire l’a mesuré ; personne n’a reproduit le 54,79. Deuxièmement, et plus utilement, la référence est un modèle solide. Qwen3.5-4B attire 7,4 millions de téléchargements par mois et totalise 1 145 mentions J’aime — c’est un checkpoint largement déployé, avec un véritable écosystème. Si ZwZ2-4B est meilleur de 5,38 points sur les tâches fortement axées sur la perception, c’est un écart significatif par rapport à un modèle que les gens utilisent réellement. S’il est meilleur de 5,38 points sur des benchmarks choisis pour récompenser exactement ce pour quoi il a été entraîné, l’écart en production sera plus faible.

La méthode explique quelle lecture est la plus probable. ZwZ2 a été entraîné avec GRPO sur des questions à choix multiples à quatre options construites à partir de cultures de régions SA-1B — environ 20 000 d’entre elles — sans étape de réglage fin supervisé. Chaque signal d’entraînement que le modèle ait jamais vu était un choix parmi quatre indiquant si une région contient les éléments de preuve dont une question a besoin. Une charge de travail de cette forme est celle où le 5,38 devrait se maintenir. La description ouverte n’a pas cette forme.

Ce qu'un modèle phare de 28B offre, qu'un 4.5B ne peut pas offrir

Qwen3.8-27B est un modèle généraliste vision-langage : images, vidéo, contrôle flexible du raisonnement, licence Apache-2.0, et une marge de paramètres suffisante pour avoir absorbé un large corpus de pré-entraînement plutôt qu’un programme synthétique étroit et de haute qualité. Son nombre de téléchargements — 7,5 millions le mois dernier, avec 18 500 mentions J’aime — est le signal écosystémique qui compte lorsqu’on choisit un socle plutôt qu’un spécialiste. Des adaptateurs, des quantisations, des fine-tunes et des outils existent pour lui, et n’existent pas pour un checkpoint sans aucun téléchargement.

L’étendue se manifeste dans les modes d’échec. La fiche de ZwZ2-4B répertorie les hallucinations, les erreurs de lecture de texte, les erreurs de comptage et les erreurs spatiales, et note que les résultats dépendent de la résolution de l’image, de la longueur du contexte et du format du prompt. Un généraliste de 28B présente en principe les mêmes classes d’échec, mais avec une plus grande capacité à conserver les détails sur un contexte plus long et sans exigence que la tâche ressemble à un choix à quatre options.

Pour l’extraction de documents, le raisonnement multi-pages, la vidéo, ou tout cas où la réponse est un paragraphe plutôt qu’une région, le 27B est un meilleur instrument, et la différence de taille n’est pas le facteur décisif — l’objectif d’entraînement l’est.

L’arithmétique des coûts, avec des prix réels

Ici, la comparaison cesse d’être abstraite. Sur OrcaRouter, qwen/qwen3.8-27b est proposé à 0,33 $ par million de jetons d’entrée et 2,40 $ par million de jetons de sortie, avec un contexte de 262 K. Prenons une requête d’image représentative de 1 500 jetons d’entrée et 300 jetons de sortie. Mille requêtes de ce type coûtent environ 1,22 $ sur le 27B. Le plus léger qwen/qwen3.8-flash, à 0,15 $ et 0,47 $, revient à près de 0,37 $ pour le même millier. Un modèle de vision 8B hébergé se situe entre les deux.

ZwZ2-4B n’a pas de prix par token, car il n’a pas de point de terminaison hébergé — la page Hugging Face indique qu’aucun fournisseur ne le sert. Son coût correspond à celui de vos heures GPU divisé par le débit, et c’est la seule option de cette comparaison qui fonctionne sur une carte de 16 Go. C’est tout l’argument économique en faveur du plus petit modèle, et il est solide si vous payez déjà le matériel.

Un point structurel concernant le routage, car cela influe sur la façon dont vous testez cela. OrcaRouter répercute les prix catalogue des fournisseurs avec 0 % de majoration, donc lorsque Qwen modifie le prix d’un modèle Qwen hébergé, le chiffre ci-dessus change le jour même plutôt qu’au prochain renouvellement de contrat. Comparer les coûts entre un checkpoint auto-hébergé et un modèle hébergé n’est honnête que si le côté hébergé reflète le prix catalogue du jour, et c’est la propriété décrite ici — pas une remise.

Là où le petit modèle l’emporte même face à un modèle phare

Trois cas de figure, et ils sont plus restreints que ne le suggère habituellement le marketing autour des petits modèles.

Le premier point est le contrôle du déploiement. Un fichier BF16 de 9,08 Go peut être épinglé, versionné et livré sur un boîtier edge. Un fichier de 56 Go ne le peut pas, et une API hébergée ne vous donne ni les poids ni une garantie de version. Si la contrainte de votre produit est « le modèle voyage avec l'appareil », le 27B n'est candidat à aucun prix.

Le deuxième point est la prévisibilité des coûts à grande échelle. L'inférence auto-hébergée présente une courbe de coûts plate et aucun compteur par token. À 200 000 requêtes d'images par jour, 1,22 $ les mille représentent environ 244 $ par jour — environ 7 300 $ par mois — sur le 27B au tarif catalogue. Savoir si l'auto-hébergement est plus avantageux dépend entièrement du taux d'utilisation, et une seule carte sous-utilisée ne l'est souvent pas.

Le troisième point est la spécialisation par tâche. Si votre charge de travail correspond vraiment à « laquelle de ces quatre régions contient la preuve », ZwZ2-4B a été entraîné précisément sur ce format, avec une étape de filtrage conçue pour éliminer les questions auxquelles on peut répondre sans la région. Un généraliste consacre sa capacité à tout le reste. C'est le cas où un checkpoint de 4.5B peut battre un modèle de 28B, et c'est le seul cas où l'affirmation de 5.38 points du fournisseur signifierait ce qu'un lecteur espère qu'elle signifie.

Comment décider, dans l’ordre où la décision se déroule réellement

• Si les poids doivent résider sur du matériel que vous contrôlez et que ce matériel est petit — prenez ZwZ2-4B, acceptez l’ambiguïté de la licence et prévoyez un budget pour votre propre évaluation.

• Si la tâche est une question à choix multiples ancrée sur une région ou une recherche de preuves visuelles — testez ZwZ2-4B face à Qwen3.5-4B sur vos propres données avant de regarder le 5,38 de la fiche. Ce delta, reproduit, est le seul chiffre qui compte.

• Si vous avez besoin de vidéo, de longs documents, d'une description libre ou d'une licence que votre service juridique acceptera de signer — prenez Qwen3.8-27B et arrêtez de lire.

• Si vous n'avez ni matériel ni envie de servir le modèle — choisissez l'option Qwen hébergé, car l'alternative est un projet d'exploitation, pas un choix de modèle.

Ce qui est gênant dans cette confrontation, c’est que la comparaison intéressante n’est pas celle du titre. ZwZ2-4B face à Qwen3.8-27B relève d’un choix de classe de déploiement déguisé en comparaison de modèles. Le véritable duel — même base, même taille, même coût de service, un écart mesuré de 5,38 points — oppose ZwZ2-4B à Qwen3.5-4B, et c’est l’expérience qu’il vaut la peine de mener sur vos propres images avant que l’un ou l’autre de ces chiffres ne modifie votre architecture.