ZwZ2-27B: i pesi sono arrivati il 16 ottobre, la spiegazione è arrivata dieci giorni dopo

ZwZ2-27B è disponibile per il download su Hugging Face dal 16 ottobre 2026. Per i primi dieci giorni della sua esistenza pubblica non ci sono stati annunci, nessun paper, nessun README e nessuna licenza dichiarata — solo due shard safetensors bf16 sotto inclusionAI e un repository che non spiegava perché esistesse. Il 26 ottobre è comparsa una model card. Afferma che il modello è un sistema visione-linguaggio addestrato con l'apprendimento per rinforzo, basato su Qwen3.6-27B, e pubblica una valutazione su 25 benchmark in cui il modello supera il modello base di 4,99 punti nel punteggio complessivo.

Questo è tutto ciò che c'è di nuovo, e vale la pena separarlo da ciò che le persone presumeranno sia successo. Non si tratta di un lancio. I pesi hanno undici giorni e il fornitore non li ha ancora annunciati. Ciò che è cambiato questa settimana è che possiamo finalmente leggere per cosa inclusionAI ritiene che sia pensato il modello.

Cosa è effettivamente cambiato, per data

La cronologia dei commit del repository stesso è la prova più limpida disponibile, e non è certo lusinghiera per la storia. Tre commit contengono tutto:

• 16 ottobre, 05:42 UTC — commit iniziale, poi “Aggiunta dei pesi del modello ZwZ2-27B” dieci minuti dopo. Config, tokenizer, processor e i due shard dei pesi. Nessun README.

• 26 ottobre, 02:58 UTC — “Crea README.md”. La prima descrizione scritta del modello, dieci giorni dopo i pesi.

• 26–27 ottobre — revisioni ripetute del README e caricamenti di sei file mentre venivano assemblate le figure di benchmark e le risorse immagini.

Al momento in cui scriviamo, il repository mostra sette download e zero like. Il progetto GitHub complementare, inclusionAI/Zooming-without-Zooming-v2, è stato creato il 14 ottobre e ha una stella. Le ricerche del nome del modello in inglese restituiscono copertura della precedente famiglia ZwZ-2B/4B/8B e dello ZwZ2-9B del 16 ottobre, e nulla del tutto sul 27B. Se qui c'è stato un lancio, è avvenuto senza pubblico.

Il modello nel file di configurazione

I file di configurazione sono la parte meno affascinante e più affidabile di qualsiasi rilascio. Questo descrive un modello denso visione-linguaggio la cui dichiarazione di architettura è Qwen3_5ForConditionalGeneration — la stessa classe usata dai modelli di Qwen stessi — con i seguenti numeri:

• Torre di testo — dimensione nascosta 5,120, 64 strati, 24 teste query e 4 teste KV con dimensione della testa 256, ampiezza feed-forward 17,408.

• Disposizione dell'attenzione — un rapporto 3:1 tra layer di attenzione lineare e layer di attenzione completa, ripetuto 16 volte, con M-RoPE intercalato e una base rotazionale di 10.000.000.

• Vocabolario e contesto — 248.320 token, 262.144 posizioni native.

• Vision tower — 27 strati con dimensione nascosta 1.152, che proiettano a 5.120, dimensione patch 16 con fusione spaziale 2×2.

• Predizione multi-token — mtp_num_hidden_layers impostato a 0, ovvero la testa MTP è stata rimossa rispetto al backbone Qwen.

Quell'ultima riga è l'unica differenza strutturale rispetto alla base. Tutto il resto — numero di livelli, geometria delle teste, vocabolario, limite di contesto, profondità della visione — corrisponde a Qwen3.6-27B esattamente. ZwZ2-27B è lo stesso corpo con un diverso regime di post-addestramento e una testa di decodifica speculativa rimossa.

Significa anche che il modello non è piccolo. Con 27 miliardi di parametri in bf16, i pesi occupano circa 54 GB distribuiti su due shard, il che rende il caricamento agevole su un singolo acceleratore da 80 GB o piuttosto stretto su due schede da 40 GB. Nel repository non esiste una variante quantizzata, né una ricetta per vLLM o SGLang, né note di servizio oltre a una guida rapida di Hugging Face transformers fissata alla versione 5.13.1.

Il claim dei +4,99, ed esattamente cosa copre

Il titolo della scheda recita che, su 25 benchmark in sei domini, il modello «migliora rispetto al suo modello base su ogni benchmark», spostando la media complessiva da 55,52 a 60,51. Entrambe le metà di quella frase trovano conferma nella figura dei risultati pubblicati, ed entrambe richiedono una precisazione.

La precisazione è che si tratta dell'harness di inclusionAI, della sua selezione di benchmark e del suo scoring, pubblicati sul suo repository. Niente di quanto presentato qui è stato riprodotto al di fuori dell'organizzazione. È una valutazione di fornitore nel senso comune del termine: utile per vedere su cosa il team ha ottimizzato, non utilizzabile come valutazione indipendente.

L'altra precisazione riguarda la scala. Un guadagno di 4,99 punti su una media di 25 benchmark è un cambiamento reale, ma la media è una media delle accuratezze su compiti molto diversi, ponderata equamente per dominio. Non è un indice di capacità e non dovrebbe mai essere confrontata con un punteggio di una suite diversa.

Ecco la ripartizione a livello di dominio, base rispetto a ottimizzato:

• Percezione fine — da 62,09 a 67,57, un guadagno di 5,48 su otto benchmark, tra cui VStar, HR-8K e MME-RealWorld.

• Percezione spaziale — da 49,72 a 55,98, un guadagno di 6,26 su sei benchmark.

• Comprensione di contesti lunghi — da 65,87 a 68,77, un guadagno di 2,90 su tre benchmark.

• Ragionamento spaziale incarnato — da 50,17 a 55,71, un incremento di 5,54 su tre benchmark.

• Agenti multimodali — da 49,73 a 51,81, un guadagno di 2,08 su tre benchmark.

• Ragionamento visivo generale — da 47,89 a 53,71, un guadagno di 5,82 su MMStar e BabyVision.

Dove si concentrano i guadagni — e dove il modello è ancora debole

La forma di quella tabella conta più della sua media. I maggiori guadagni relativi si registrano nella percezione spaziale e nel ragionamento incarnato, il che è coerente con ciò che il metodo dichiara di insegnare: confrontare, abbinare e aggregare evidenze tra diverse regioni marcate di una stessa immagine, usando immagini complete al momento dell'inferenza e senza chiamate di zoom esterne.

I due miglioramenti più contenuti sono gli agenti a contesto lungo e multimodali. Sono anche i due ambiti in cui il modello di base era già più forte rispetto al compito, che è il consueto schema del fine-tuning RL su una ricetta di dati ristretta: sposta ciò che il segnale di ricompensa può vedere.

I numeri assoluti sono la lettura più preoccupante. Chartography si attesta a 12,00. AgentVista si attesta a 18,18. Perception-Bench a 44,93. Un modello può guadagnare cinque punti nel complesso e restare comunque vicino all'inutilizzabile su diversi benchmark individuali del set, e questo è il caso. Chiunque citi «60,51 nel complesso» come cifra generale di competenza cita una media che nasconde un 12.

La ricetta di addestramento spiega il limite massimo. EvidenceConnect costruisce i propri dati dalle immagini SA-1B raggruppando da tre a sette regioni correlate, generando domande con ritagli ingranditi privilegiati, filtrando tramite l'accordo tra modelli e test di eliminazione di una regione, convertendo in attività a quattro opzioni e addestrando con GRPO — tutte e tre le dimensioni di modello su circa 20.000 esempi, senza alcuna fase di fine-tuning supervisionato. È una dieta mirata. Garantisce in modo affidabile la percezione a livello di regione e non pretende di garantire il ragionamento aperto.

Le colonne del modello di riferimento meritano un avvertimento

La figura dei risultati riporta anche tre modelli API come punti di riferimento: GPT-5.6-Luna a 54,02, GLM-5.3-Flash a 57,24 e DeepSeek-V4.1-Flash a 55,47, contro il 60,51 di ZwZ2-27B. A prima vista, ciò colloca un checkpoint open-weights caricato in sordina al di sopra di tre modelli di produzione ospitati.

Tre elementi dovrebbero attenuare questa interpretazione. In primo luogo, il vincolo di serving è indicato nella scheda stessa: la risoluzione delle immagini dei modelli avanzati è stata limitata dalle loro piattaforme di serving, il che rappresenta un vero handicap su un set di benchmark ricco di dettagli fini. In secondo luogo, non si tratta delle valutazioni pubblicate direttamente da quei fornitori: sono inclusionAI che esegue i modelli di altre aziende tramite l'harness di inclusionAI, senza alcuna indicazione che i fornitori siano stati coinvolti o abbiano confermato i dati. In terzo luogo, la colonna GPT è esplicitamente contrassegnata come non riportata per alcune righe, quindi il set di riferimento è popolato in modo disomogeneo.

Niente di tutto ciò rende i numeri sbagliati. Significa però che sono le misurazioni di un solo laboratorio sui suoi concorrenti, su una suite di benchmark in cui il suo stesso modello ha avuto dieci giorni di ottimizzazione extra. Considera il confronto tra modelli di base come quello significativo e le colonne API come contesto.

Cosa manca ancora

L'inventario onesto delle incognite è più lungo dell'elenco delle cose note, e inizia con la licenza. Il front matter della model card indica il modello base, il dataset e il task della pipeline; non dichiara una licenza. Il corpo dice di «fare riferimento alla licenza che accompagna i pesi rilasciati e alla licenza applicabile del backbone», il che è circolare quando i pesi stessi non ne riportano una. Qwen3.6-27B è Apache-2.0, quindi il lato backbone è chiaro. I termini del derivato non lo sono, e per un'azienda che vuole distribuire questo in un prodotto, quella singola omissione ha più conseguenze di qualsiasi riga di benchmark.

Anche il paper non è ancora uscito. L'intestazione della card stessa contiene il testo segnaposto letterale <!-- Replace PAPER_URL with the final v2 paper URL. --> e rimanda a PAPER_URL. Il repository del progetto esiste; il documento a cui dovrebbe rimandare no.

Oltre a ciò:

• Non esiste alcuna valutazione indipendente di ZwZ2-27B, da parte di nessuno.

• Non è stato individuato alcun annuncio del fornitore, post di blog o post sui social media per questo modello.

• La valutazione pubblicata è in modalità low/thinking — il quickstart della card viene eseguito con enable_thinking=False e il template della chat richiede le risposte all'interno dei tag <answer>. I numeri della modalità thinking non fanno parte dell'affermazione.

• Nessun supporto per framework oltre la versione bloccata di Transformers. Nessun GGUF, nessun AWQ, nessuna configurazione vLLM pubblicata.

• La scheda elenca modalità di errore note — dettagli allucinati, testo letto male, errori di conteggio e spaziali — il che è più candore di quanto offrano la maggior parte delle schede dei fornitori e una sintesi equa di ciò che un 12.00 su Chartography rappresenta in pratica.

Come valutarlo senza scommettere nulla su di esso

ZwZ2-27B non è nel nostro catalogo, e questo articolo non deve essere interpretato come se lo fosse. Per eseguirlo oggi occorre scaricare 54 GB di pesi, installare una specifica build di Transformers e servirlo da soli — il che è un pomeriggio ragionevole se si dispone già dell'hardware, e un cattivo impiego di un pomeriggio se si sta cercando di rispondere a una domanda su un prodotto questa settimana.

Una sequenza più economica consiste nel testare l'affermazione anziché il modello. L'affermazione è circoscritta: che il RL su un dataset di confronto tra regioni da 20K esempi renda un checkpoint Qwen3.6-27B migliore nel leggere dettagli fini senza strumenti di zoom. Se è questo il tuo vero collo di bottiglia — documenti densi, grafici, screenshot di UI, domande su più regioni — il modello di base è la condizione di controllo, e il suo successore è già instradabile qui: Qwen3.8-27B e Qwen3.5-27B sono entrambi su OrcaRouter dietro un'unica chiave, insieme a oltre 200 altri modelli al prezzo di listino del provider senza ricarichi. Se un ZwZ2-27B self-hosted si dimostra all'altezza di essere adottato, puoi metterlo sulla stessa chiave e lasciare che il failover automatico scelga tra esso e un generalista ospitato invece di riscrivere l'integrazione.

Ciò che farebbe passare questo da “interessante upload” a “modello adottabile” è una lista breve. Una licenza con un nome. Un articolo che consenta a qualcuno di verificare la costruzione del benchmark. Un'esecuzione indipendente — anche solo parziale — su benchmark che il fornitore non ha scelto. E un annuncio che, dopo undici giorni di silenzio, inizia a sembrare un'assenza deliberata più che una dimenticanza.

Fino a quel momento, l'affermazione sostenibile è limitata e vale la pena formularla chiaramente: un checkpoint 27B non documentato di inclusionAI si trova su Hugging Face dal 16 ottobre e, al 26 ottobre, i suoi autori sono disposti a rivendicare un miglioramento di cinque punti rispetto a Qwen3.6-27B su una suite di benchmark costruita da loro stessi. Questa è un'ipotesi con dei pesi allegati. Non è ancora un risultato.