ZwZ2-27B: המשקלים נחתו ב-16 באוקטובר, ההסבר הגיע עשרה ימים לאחר מכן

ZwZ2-27B זמין להורדה מ-Hugging Face מאז 16 באוקטובר 2026. במשך עשרת הימים הראשונים לחייו הפומביים לא היה שום הכרזה, שום מאמר, שום README ושום רישיון מוצהר — רק שני שברי safetensors מסוג bf16 תחת inclusionAI, ומאגר שלא סיפק שום סיבה לקיומו. ב-26 באוקטובר הופיעה כרטיסיית מודל. היא אומרת שהמודל הוא מערכת חזותית-לשונית שאומנה בלמידת חיזוק על בסיס Qwen3.6-27B, והיא מפרסמת הערכה על 25 מבחנים שבה המודל גובר על אותו בסיס ב-4.99 נקודות בסך הכול.

זה כל מה שחדש, וכדאי להפריד אותו ממה שאנשים יניחו שקרה. זו לא השקה. המשקולות בנות אחד עשר יום, והספק עדיין לא הודיע עליהן. מה שהשתנה השבוע הוא שסוף סוף אפשר לקרוא למה inclusionAI חושבת שהמודל נועד.

מה באמת השתנה, לפי תאריך

היסטוריית הקומיטים של המאגר עצמו היא הראיה הנקייה ביותר שקיימת, והיא אינה מחמיאה לסיפור. שלושה קומיטים נושאים את הכול:

• 16 באוקטובר, 05:42 UTC — קומיט ראשוני, ואז "הוספת משקולות המודל ZwZ2-27B" עשר דקות לאחר מכן. קונפיגורציה, טוקנייזר, מעבד ושני שברי משקולות. ללא README.

• 26 באוקטובר, 02:58 UTC — "Create README.md". התיאור הכתוב הראשון של המודל, עשרה ימים לאחר המשקלים.

• 26–27 באוקטובר — תיקונים חוזרים ל-README והעלאות של שישה קבצים, במהלך הרכבת נתוני הבנצ'מרק ונכסי התמונות.

בזמן כתיבת הדברים, המאגר מציג שבע הורדות ואפס לייקים. פרויקט ה-GitHub הנלווה, inclusionAI/Zooming-without-Zooming-v2, נוצר ב-14 באוקטובר ויש לו כוכב אחד. חיפושים אחר שם המודל באנגלית מחזירים סיקור של משפחת ZwZ-2B/4B/8B הישנה יותר ושל ZwZ2-9B מ-16 באוקטובר, ושום דבר כלל על ה-27B. אם התרחשה כאן השקה, היא התרחשה ללא קהל.

המודל בקובץ התצורה

קובצי קונפיגורציה הם החלק הכי פחות זוהר והכי אמין בכל מהדורה. זה מתאר מודל חזותי-לשוני צפוף שהצהרת הארכיטקטורה שלו היא Qwen3_5ForConditionalGeneration — אותה מחלקה שמודלים של Qwen עצמם משתמשים בה — עם המספרים הבאים:

• מגדל טקסט — גודל מוסתר 5,120, 64 שכבות, 24 ראשי שאילתה ו-4 ראשי KV במימד ראש 256, רוחב feed-forward 17,408.

• פריסת קשב — יחס של 3:1 בין שכבות קשב לינארי לשכבות קשב מלא, החוזר על עצמו 16 פעמים, עם M-RoPE משולב ובסיס רוטורי של 10,000,000.

• אוצר מילים והקשר — 248,320 אסימונים, 262,144 מיקומים מקוריים.

• מגדל חזותי — 27 שכבות בגודל מוסתר 1,152, המקרין אל 5,120, גודל טלאי 16 עם מיזוג מרחבי 2×2.

• חיזוי ריבוי טוקנים — mtp_num_hidden_layers מוגדר ל-0, כלומר ראש ה-MTP הוסר ביחס לשלד של Qwen.

השורה האחרונה היא ההבדל המבני היחיד מהבסיס. כל השאר — מספר השכבות, גיאומטריית הראשים, אוצר המילים, תקרת ההקשר, עומק הראייה — תואם בדיוק לQwen3.6-27B. ZwZ2-27B הוא אותו גוף עם משטר פוסט-אימון שונה וראש פענוח ספקולטיבי אחד שהוסר.

זה גם אומר שהמודל אינו קטן. עם 27B פרמטרים ב-bf16, המשקלים הם כ-54 GB על פני שני shards, מה שמאפשר עומס נוח על מאיץ יחיד של 80 GB או עומס הדוק על פני שני כרטיסים של 40 GB. אין במאגר וריאנט מכווץ, אין מתכון ל-vLLM או ל-SGLang, ואין הערות serving מעבר ל-quickstart של Hugging Face transformers המוצמד לגרסה 5.13.1.

הטענה של +4.99, ובדיוק מה היא מכסה

הכותרת של הכרטיס היא שב-25 מדדים בשש תחומים המודל "משתפר לעומת מודל הבסיס שלו בכל מדד", ומעלה את הממוצע הכללי מ-55.52 ל-60.51. שני החצאים של המשפט הזה תואמים את תרשים התוצאות שפורסם, ושניהם זקוקים להסתייגות.

ההסתייגות היא שמדובר במערכת ההרצה של inclusionAI עצמה, בבחירת מבחני הביצועים שלה ובניקוד שלה, המפורסמים במאגר שלה. שום דבר כאן לא שוחזר מחוץ לארגון. זו הערכת ספק במובן הרגיל: מועילה כדי לראות למה הצוות כיוון את האופטימיזציה, אך אינה יכולה לשמש כציון עצמאי.

ההסתייגות הנוספת היא קנה המידה. עלייה של 4.99 נקודות בממוצע על פני 25 בנצ'מרקים היא תנועה ממשית, אך הממוצע הוא ממוצע של דיוקים על פני משימות שונות מאוד, כשכל תחום משוקלל באופן שווה. זה אינו מדד יכולת ואין להשוות אותו לעולם לציון ממערך מבחנים אחר.

הנה הפירוט ברמת התחום, בסיס לעומת מכוונן:

• תפיסה עדינה — 62.09 עד 67.57, שיפור של 5.48 בשמונה מבחנים כולל VStar, HR-8K ו-MME-RealWorld.

• תפיסה מרחבית — 49.72 עד 55.98, עלייה של 6.26 על פני שישה מדדים.

• הבנה בהקשר ארוך — 65.87 עד 68.77, שיפור של 2.90 בשלושה מדדים.

• הסקה מרחבית מגולמת — מ-50.17 ל-55.71, עלייה של 5.54 בשלושה מדדי ייחוס.

• סוכנים מולטימודליים — 49.73 עד 51.81, עלייה של 2.08 בשלושה מבחנים.

• חשיבה חזותית כללית — 47.89 עד 53.71, שיפור של 5.82 ב-MMStar וב-BabyVision.

איפה שההרווחים מתרכזים — ואיפה שהמודל עדיין חלש

צורתה של הטבלה הזו חשובה יותר מהממוצע שלה. הרווחים היחסיים הגדולים ביותר מגיעים לתפיסה מרחבית ולחשיבה מגולמת, וזה מתיישב עם מה שהשיטה טוענת שהיא מלמדת: השוואה, התאמה וצבירה של ראיות על פני כמה אזורים מסומנים בתמונה אחת, תוך שימוש בתמונות מלאות בזמן הסקה וללא קריאות זום חיצוניות.

שני השיפורים הקטנים ביותר הם סוכנים בעלי הקשר ארוך וסוכנים מולטימודליים. אלה גם שני התחומים שבהם מודל הבסיס כבר היה החזק ביותר ביחס למשימה, וזהו הדפוס הרגיל של כוונון עדין בלמידת חיזוק על מתכון נתונים צר: הוא מזיז את מה שאות התגמול יכול לראות.

המספרים המוחלטים הם הקריאה המפוכחת יותר. Chartography עומד על 12.00. AgentVista עומד על 18.18. Perception-Bench עומד על 44.93. מודל יכול להרוויח חמש נקודות בסך הכול ועדיין להיות קרוב לבלתי שמיש בכמה מבחנים בודדים במערך, וזה אכן המצב כאן. כל מי שמצטט את “60.51 בסך הכול” כנתון כשירות כללי מצטט ממוצע שמסתיר 12.

מתכון האימון מסביר את התקרה. EvidenceConnect בונה את הנתונים שלו מתמונות SA-1B על ידי קיבוץ שלושה עד שבעה אזורים קשורים, יצירת שאלות עם חיתוכי זום פריבילגיים, סינון באמצעות הסכמה בין מודלים ומבחני השמטת אזור אחד, המרה למשימות עם ארבע אפשרויות, ואימון עם GRPO — כל שלושת גדלי המודלים על כ-20,000 דוגמאות, ללא שלב כיוונון עדין מפוקח. זו תזונה ממוקדת. היא משיגה באופן אמין תפיסה ברמת האזור ואינה מעמידה פנים שהיא משיגה הסקה פתוחה.

עמודות מודל הייחוס ראויות לאזהרה

תרשים התוצאות מציג גם שלושה מודלי API כנקודות ייחוס: GPT-5.6-Luna עם 54.02, GLM-5.3-Flash עם 57.24 ו-DeepSeek-V4.1-Flash עם 55.47, לעומת 60.51 של ZwZ2-27B. על פניו, זה מציב צ'קפוינט במשקלים פתוחים שהועלה בשקט מעל שלושה מודלי ייצור מתארחים.

שלושה דברים צריכים למתן את הקריאה הזו. ראשית, אילוץ ההגשה מצוין בכרטיס עצמו: רזולוציית התמונה של מודלים מתקדמים הוגבלה על ידי פלטפורמות ההגשה שלהם, וזהו חיסרון ממשי במערך מבחנים עתיר פרטים דקים. שנית, אלו אינם ההערכות שפרסמו אותם ספקים בעצמם — אלא inclusionAI שמריצה מודלים של חברות אחרות דרך מערכת ההרצה של inclusionAI, בלי שום אינדיקציה שהספקים היו מעורבים או שאישרו את הנתונים. שלישית, עמודת GPT מסומנת במפורש כ"לא דווח" עבור חלק מהשורות, ולכן קבוצת הייחוס מאוכלסת בצורה לא אחידה.

שום דבר מזה לא הופך את המספרים לשגויים. זה כן אומר שאלו מדידות שמעבדה אחת ערכה למתחריה על מערך מבחנים שבו המודל שלה קיבל עשרה ימים נוספים של כיוונון. התייחס להשוואת מודל הבסיס כהשוואה המשמעותית, ולעמודות ה-API כהקשר.

מה עדיין חסר

המלאי הכנה של הלא־נודעים ארוך מרשימת הידועים, והוא מתחיל ברישיון. ה־front matter של כרטיס המודל מתייג את מודל הבסיס, מערך הנתונים ומשימת ה־pipeline; הוא אינו מצהיר על רישיון. הגוף אומר „להתייחס לרישיון הנלווה למשקלים המשוחררים ולרישיון ה־backbone הרלוונטי”, וזה מעגלי כאשר המשקלים עצמם אינם נושאים רישיון כזה. Qwen3.6-27B הוא Apache-2.0, כך שצד ה־backbone ברור. תנאי הנגזרת אינם ברורים, ועבור חברה שרוצה להשיק את זה במוצר, ההשמטה הבודדת הזו משמעותית יותר מכל שורת benchmark.

המאמר גם טרם פורסם. הכותרת של הכרטיס עצמו מכילה את טקסט מציין־המקום המילולי <!-- Replace PAPER_URL with the final v2 paper URL. --> ומקשרת אל PAPER_URL. מאגר הפרויקט קיים; המסמך שהוא אמור להפנות אליו אינו קיים.

מעבר לכך:

• לא קיימת הערכה עצמאית של ZwZ2-27B מאף אחד.

לא נמצאה הודעה מטעם הספק, פוסט בבלוג או פוסט ברשתות חברתיות עבור דגם זה.

• ההערכה שפורסמה היא במצב low/thinking — ה-quickstart של הכרטיס פועל עם enable_thinking=False ותבנית הצ'אט מבקשת תשובות בתוך תגי <answer>. המספרים של מצב thinking אינם חלק מהטענה.

• אין תמיכה במסגרות מעבר לגרסת Transformers המקובעת. אין GGUF, אין AWQ, אין קונפיגורציית vLLM מפורסמת.

• הכרטיס מפרט מצבי כשל ידועים — פרטים מומצאים, קריאת טקסט שגויה, שגיאות ספירה ומרחב — וזה גילוי לב רב יותר ממה שרוב כרטיסי הספקים מציעים, ותקציר הוגן של איך נראה ציון 12.00 ב-Chartography בפועל.

איך להעריך את זה בלי להמר על זה על שום דבר

ZwZ2-27B אינו בקטלוג שלנו, ואין לקרוא את הקטע הזה כאילו הוא מרמז שכן. כדי להריץ אותו היום, מורידים 54 GB של משקלים, מתקינים build ספציפי של Transformers ומגישים אותו בעצמכם — וזו דרך סבירה לבלות אחר צהריים אם כבר יש לכם את החומרה, אבל ניצול גרוע של אחר צהריים כזה אם אתם מנסים לענות על שאלת מוצר השבוע.

רצף זול יותר הוא לבחון את הטענה ולא את המודל. הטענה מצומצמת: שאימון RL על מערך נתונים של השוואת אזורים עם 20 אלף דוגמאות הופך צ'ק-פוינט של Qwen3.6-27B למוצלח יותר בקריאת פרטים דקים ללא כלי זום. אם זהו צוואר הבקבוק האמיתי שלכם — מסמכים צפופים, תרשימים, צילומי מסך של ממשק משתמש, שאלות מרובות־אזורים — מודל הבסיס הוא תנאי הבקרה, והמחליף שלו כבר ניתן לניתוב כאן: Qwen3.8-27B ו-Qwen3.5-27B נמצאים שניהם ב-OrcaRouter מאחורי מפתח אחד, לצד יותר מ-200 מודלים אחרים במחיר המחירון של הספק וללא תוספת. אם מתברר שכדאי לאמץ ZwZ2-27B באירוח עצמי, תוכלו לשים אותו על אותו מפתח ולתת ל-failover האוטומטי להכריע בינו לבין מודל כללי מתארח, במקום לשכתב את האינטגרציה.

מה שיעביר את זה מ"העלאה מעניינת" ל"מודל ראוי לאימוץ" הוא רשימה קצרה. רישיון מוגדר בשמו. מאמר שמאפשר למישהו לבדוק את אופן בניית הבנצ'מרק. ריצה עצמאית אחת — אפילו חלקית — על בנצ'מרקים שהספק לא בחר. והכרזה, שאחרי אחד עשר ימי שתיקה מתחילה להיראות כמו היעדרות מכוונת ולא כמו מחדל.

עד אז, ההצהרה הניתנת להגנה היא צרה וראויה להיאמר בפשטות: צ'קפוינט 27B לא מתועד מ-inclusionAI מונח ב-Hugging Face מאז 16 באוקטובר, ונכון ל-26 באוקטובר, המחברים שלו מוכנים לטעון לשיפור של חמש נקודות לעומת Qwen3.6-27B על חבילת מדדים שהם בנו בעצמם. זו השערה עם משקולות מחוברות. זה עדיין לא תוצאה.