ZwZ2-27B vs Qwen3.8-27B: stesso scheletro, due scommesse molto diverse

La cosa strana di ZwZ2-27B rispetto a Qwen3.8-27B è che i due modelli sono la stessa macchina. Apri entrambi i file di configurazione e i numeri coincidono riga per riga: 64 strati, dimensione nascosta 5.120, 24 teste di query contro 4 teste KV con dimensione 256, una larghezza feed-forward di 17.408, un vocabolario da 248.320 token, 262.144 posizioni e una torre vision da 27 strati con dimensione nascosta 1.152. Dichiarano persino la stessa classe di architettura. Ciò che li separa non è la larghezza né la profondità. È ciò che ciascun laboratorio ha fatto a quel corpo in seguito — e, finora, nessuno li ha messi l'uno contro l'altro per scoprire quale scelta abbia vinto.

Quell'assenza è la prima cosa da dire chiaramente. La valutazione pubblicata da inclusionAI per ZwZ2-27B lo confronta con GPT-5.6-Luna, GLM-5.3-Flash e DeepSeek-V4.1-Flash. Non include Qwen3.8-27B e non include alcun modello Qwen più recente di quello da cui è stato costruito ZwZ2. Qwen, da parte sua, non ha mai menzionato ZwZ2. Ogni numero riportato sotto proviene da un laboratorio che misura se stesso, o da Qwen che misura se stessa, e nessuna terza parte ha messo i due nello stesso harness.

Stesso scheletro, riga per riga

Vale la pena essere precisi su quanto siano vicini, perché la consueta formulazione «27B contro 27B» lo sottovaluta. Non sono due modelli che per caso si collocano su una scala simile; sono due esecuzioni di post-addestramento su un’architettura intercambiabile.

• Parametri — 27B per entrambi, densi, senza routing mixture-of-experts in nessuna delle due configurazioni.

• Profondità e larghezza — 64 livelli, dimensione nascosta 5,120, dimensione intermedia 17,408, identiche in entrambi i file.

• Attenzione — 24 teste di query, 4 teste KV, dimensione della testa 256, fattore rotativo parziale 0.25, base rotativa 10,000,000.

• Pianificazione dei layer — uno schema di attenzione da lineare a completa 3:1, 16 ripetizioni, in entrambi.

• Vocabolario e contesto — 248,320 token e 262,144 posizioni native, in entrambi.

• Torre della visione — 27 strati, dimensione nascosta 1.152, con proiezione a 5.120, in entrambi.

La conseguenza pratica è che la questione hardware è la stessa per entrambi. Circa 54 GB di pesi in bf16, una scheda da 80 GB con agio oppure due schede da 40 GB al limite. Nessuno dei due è un modello che si esegue su un laptop, e nessuno dei due ha una versione quantizzata nel proprio repository — è l'ecosistema di Qwen a produrle, e ZwZ2 non ha quasi nessun ecosistema.

L'unica riga che differisce, e due default che contano di più

Dal punto di vista strutturale c'è esattamente una divergenza: Qwen3.8-27B imposta mtp_num_hidden_layers su 1, mantenendo una testa di previsione multi-token che Qwen afferma essere stata addestrata con più passaggi. ZwZ2-27B lo imposta su 0. Al modello inclusionAI è stata amputata la testa di decodifica speculativa, cosa che si fa quando la pipeline di addestramento non la utilizza e si preferisce distribuire un artefatto più piccolo e semplice. È una differenza di manutenzione ordinaria, non una dichiarazione di design.

È sui valori predefiniti che i due modelli divergono davvero, e saranno questi a plasmare la tua integrazione più di qualsiasi valore di configurazione.

Ragionamento. Qwen3.8-27B ragiona prima di rispondere per impostazione predefinita, espone tre livelli di impegno con xhigh come predefinito e può conservare il contesto di ragionamento dei turni precedenti tramite preserve_thinking. ZwZ2-27B è documentato in modalità non-thinking: la sua guida rapida passa enable_thinking=False, il suo template di chat chiede al modello di inserire le risposte finali all'interno dei tag <answer>, e l'intera valutazione sui 25 benchmark è stata eseguita in quel modo. Se la tua pipeline prevede una risposta a passaggio singolo, ZwZ2-27B è pensato per te fin da subito. Se vuoi che il modello rifletta attraverso un compito in cinquanta passaggi, Qwen3.8-27B ha i meccanismi per farlo e la scheda di ZwZ2-27B non ne rivendica alcuno.

Modalità. Qwen3.8-27B è documentato per la comprensione di immagini e video, con il campionamento video controllato tramite il livello di serving. La configurazione di ZwZ2-27B include un video_token_id, ma la sua scheda e la sua valutazione riguardano interamente immagini statiche e confronto di regioni. Considera il video come non comprovato sul versante inclusionAI.

Cosa ciascuna parte può effettivamente dimostrare

Entrambi i fornitori hanno pubblicato valutazioni. Non sono confrontabili, e il motivo non è il marketing — è che le due suite misurano cose diverse.

La tesi di ZwZ2-27B poggia su 25 benchmark in sei domini percettivi, valutati da inclusionAI, portando la propria base da 55,52 a 60,51. I numeri assoluti più forti sono nella percezione a grana fine (media di dominio 67,57) e nella comprensione a contesto lungo (68,77), mentre i più deboli sono Chartography a 12,00 e AgentVista a 18,18.

La tabella pubblicata di Qwen3.8-27B è una suite di testo e agenti con una sezione dedicata alla visione, e Qwen l'ha messa a confronto con il proprio predecessore. Alcuni dei divari tra Qwen3.8-27B e Qwen3.6-27B sono enormi:

• Coding agentico da terminale — Terminal Bench 2.1 a 73,0, contro 63,4 di Qwen3.6-27B.

• Ingegneria del software — QwenSWEBench a 79,0 contro 49,3, e DeepSWE 1.1 a 42,2 contro 13,3.

• Uso del computer — OSWorld-Verified a 84,3 contro 63,9; WebArena-Verified a 64,8 contro 48,8.

• Uso mobile — AndroidWorld a 81,9 contro 70,3.

• Ingegneria del software multimodale — SWE-MM a 38,6; RecreationBench a 47,1 contro 29,8.

• Ragionamento scientifico — GPQA Diamond a 89,2 contro 87,8, e HLE a 30,8 contro 24,0.

Quelli sono i numeri di Qwen sul harness di Qwen stesso, e dicono una cosa semplice: la generazione 3.8 non è un piccolo passo rispetto alla 3.6. Nel lavoro software agentico il miglioramento si misura in decine di punti, non in singole cifre.

Perché +4.99 rispetto a 3.6 non è un numero intorno a 3.8

Questa è la trappola del confronto, ed è facile caderci. Il guadagno principale di ZwZ2-27B è +4.99 rispetto a Qwen3.6-27B. Qwen3.8-27B è un modello molto più forte di Qwen3.6-27B sulla suite di Qwen. L'inferenza allettante — che i guadagni di ZwZ2 colmino il divario — non è valida, e c'è una ragione meccanica per cui non può essere verificata.

Non si possono sottrarre i valori tra esecuzioni diverse. Il 60,51 di ZwZ2-27B è una media delle accuratezze su 25 benchmark percettivi scelti da inclusionAI; i valori di Qwen3.8-27B sono punteggi su un diverso insieme di benchmark scelti da Qwen. Un modello che ottiene 60,51 su una suite e un modello che ottiene 84,3 su un compito completamente diverso non ti dicono nulla sul loro ordine relativo, e qualsiasi articolo che metta quei numeri in un'unica colonna sta fabbricando una classifica che nessuno ha misurato.

Ciò che si può dire è più limitato e comunque utile. ZwZ2-27B è un intervento mirato su un modello che Qwen ha nel frattempo superato, e la dimensione documentata dell'intervento — cinque punti su una media percettiva — è dello stesso ordine di grandezza di diversi delta di Qwen stesso da 3,6 a 3,8 sui compiti di visione, e molto più piccola dei suoi delta sui compiti agentici. Se la specializzazione colmi il divario generazionale nella percezione a livello di regione è esattamente ciò che richiederebbe un harness condiviso. Nessuno ne ha costruito uno.

Le colonne di riferimento della scheda lasciano intuire perché potrebbe esistere una risposta. ZwZ2-27B ottiene 60,51, mentre inclusionAI ha misurato GLM-5.3-Flash a 57,24 e DeepSeek-V4.1-Flash a 55,47 — modelli ospitati che ha superato su una suite costruita attorno al confronto tra regioni, con la scheda che osserva che la risoluzione delle immagini dei modelli avanzati era limitata dalle loro piattaforme di servizio. È un risultato che riguarda la suite tanto quanto i modelli. Non è una prova riguardo a Qwen3.8-27B, che non era nemmeno presente.

Per la maggior parte dei team è la licenza a deciderlo, prima ancora dei benchmark.

Qwen3.8-27B è Apache-2.0, dichiarato nell'intestazione della scheda del modello, con un numero di download nell'ordine dei milioni e un ecosistema di adapter, fine-tune e quantizzazioni attorno a esso. ZwZ2-27B non dichiara alcuna licenza. La sua scheda rimanda a «la licenza che accompagna i pesi rilasciati e la licenza applicabile del backbone», il che è circolare quando i pesi non ne riportano alcuna.

Per un team di ricerca è una nota a piè di pagina. Per un'azienda che mette un modello dietro a un prodotto è la linea che decide, e non c'è partita. Il fatto che il backbone sia Apache-2.0 non concede automaticamente una licenza su un derivato i cui termini propri non sono dichiarati: è una questione da sottoporre ai legali e, finché inclusionAI non risponde, l'interpretazione prudente è che ZwZ2-27B non sia autorizzato per il deployment commerciale. L'assenza di un paper aggrava la situazione: la card contiene ancora il placeholder letterale PAPER_URL, quindi la descrizione del metodo è un README e uno schema di dataset, nient'altro.

Cosa puoi chiamare oggi

Qwen3.8-27B è instradabile su OrcaRouter già adesso, con un'unica chiave insieme al resto del catalogo e al prezzo di listino del provider, senza ricarichi — così, se Qwen modifica i suoi prezzi, la modifica è attiva qui lo stesso giorno anziché dopo un ciclo di riprezzamento. È listato a $0,33 per milione di token in input e $2,40 per milione di token in output, con 262.144 token di contesto disponibili. Questo conta per un confronto come questo, in cui di solito vince chi sperimenta spendendo meno: puoi testare Qwen3.8-27B sul tuo carico di lavoro questo pomeriggio, senza download né GPU.

ZwZ2-27B non è nel nostro catalogo, e sarebbe disonesto formulare la cosa in modo più morbido. È un artefatto self-hosted da 54 GB, senza licenza e senza una ricetta di serving, e l'unico modo per valutarlo è eseguirlo. Se in futuro si guadagnerà un posto nel tuo stack, il livello di routing è dove i due si incontrerebbero — un unico endpoint, failover automatico e una policy che invia il traffico di confronto tra regioni al modello specializzato e tutto il resto al generalista, invece di una riscrittura.

Quale, in base al carico di lavoro

Qwen3.8-27B è la scelta predefinita difendibile per quasi tutto. Coding agentico, uso di strumenti su orizzonti lunghi, controllo di computer e browser, ragionamento generale, video: è qui che i suoi incrementi pubblicati sono maggiori, ed è l'unico dei due che puoi distribuire legalmente e implementare concretamente oggi.

ZwZ2-27B ha un caso d'uso più ristretto: esegui già una pipeline della classe Qwen3.6-27B, il tuo collo di bottiglia è il dettaglio misurato in documenti, grafici o screenshot di interfaccia, e l'idea di aggiungere chiamate agli strumenti di zoom e ritaglio al tuo ciclo di inferenza è poco attraente. È esattamente il problema che inclusionAI dichiara di risolvere — apprendere il confronto tra le regioni marcate in fase di addestramento, così che l'inferenza non richieda strumenti. Se il modello di base è la condizione di controllo nel tuo harness, un test locale di ZwZ2-27B rispetto a esso è un esperimento economico e ben posto.

Ciò che non è difendibile è trattare il 60.51 del fornitore come un punteggio di capacità generale, oppure confrontarlo con qualsiasi cifra di Qwen3.8 come se i due si trovassero sulla stessa scala. Non è così, e il modello che lo risolverebbe — un harness condiviso, eseguito da qualcuno senza interessi in gioco — non è stato annunciato più di quanto lo sia stato ZwZ2-27B stesso.

Tre domande che questo confronto solleva davvero

ZwZ2-27B è semplicemente Qwen3.6-27B con un addestramento aggiuntivo?Dal punto di vista architetturale sì, fino alla sequenza dei layer e alla vision tower, con la testa di previsione multi-token rimossa. Nel comportamento dipende da una ricetta di post-addestramento che inclusionAI ha descritto solo a livello di README: gruppi di regioni da tre a sette, domande generate da ritagli privilegiati, filtrate tramite accordo tra modelli e test drop-one-region, poi GRPO su circa 20.000 esempi senza una fase di fine-tuning supervisionato. Questa è la descrizione di un metodo, non una riproduzione.

I miglioramenti di ZwZ2-27B resisterebbero al confronto con Qwen3.8-27B nei compiti di percezione?Non è noto, e non è determinabile dalla documentazione attuale. La sezione visione di Qwen3.8-27B è sbilanciata verso l'uso del computer, l'uso del browser e l'ingegneria del software multimodale, non verso il confronto a livello di regione, perciò persino la tabella di Qwen non risponde alla domanda sollevata dall'affermazione di ZwZ2.

Il default della modalità di pensiero cambia il confronto? Sì, più di quanto suggerisca il divario nei benchmark. ZwZ2-27B è valutato e documentato come modello a passaggio singolo, senza pensiero; Qwen3.8-27B è costruito attorno a uno sforzo di ragionamento regolabile. Per le chiamate di percezione sensibili alla latenza questo favorisce il design di ZwZ2-27B, mentre per qualsiasi cosa che richieda deliberazione favorisce quello di Qwen3.8-27B — ma i due sono stati misurati con impostazioni di generazione diverse, quindi i numeri dei benchmark portano con sé anche questa differenza.