ZwZ2-4B rilasciato senza un lancio: cosa dice la model card e cosa non dice

Il ZwZ2-4B è stato creato il 15 ottobre 2026 alle 06:11 UTC e, a partire da questa mattina, ha zero download e zero like. Non è insolito per un checkpoint che nessuno ha annunciato. Ciò che è insolito è che porti anche una model card completa: una sezione sul metodo, una descrizione dei dati di addestramento, un blocco quickstart e un risultato di punta che rivendica 25 benchmark e un miglioramento di 5,38 punti rispetto a Qwen3.5-4B, il modello da cui è stato fine-tuned. inclusionAI ha pubblicato la documentazione senza pubblicare l'annuncio. La card c'è; il comunicato stampa no; e la differenza tra le due cose è l'intera storia di questo checkpoint.

Questo articolo è deliberatamente limitato in ciò che intende affermare. Tutto ciò che qui sotto è contrassegnato come fatto di repository è stato letto direttamente dai file — la configurazione, l'indice dei pesi, la voce del dataset, la scheda stessa. Tutto ciò che è contrassegnato come dichiarazione del fornitore è un numero di inclusionAI stesso, riprodotto come dichiarazione e non come risultato. Non esiste alcuna valutazione indipendente di ZwZ2-4B, e chiunque ti dica il contrario non sta facendo altro che rileggerti la scheda.

Cosa è stato effettivamente rilasciato, e in quali date

La famiglia ZwZ2 è arrivata in una finestra di circa ventitré ore e mezza, in ordine inverso di dimensione. ZwZ2-4B è arrivato per primo, il 15 ottobre alle 06:11 UTC. ZwZ2-9B è arrivato il 16 ottobre alle 03:42. ZwZ2-27B ha chiuso la serie alle 05:42 della stessa mattina. Il dataset di addestramento, inclusionAI/ZwZ2-RL-VQA, è apparso tre giorni dopo, il 19 ottobre. Tutti e tre i repository, il dataset e la raccolta della famiglia riportano timestamp di oggi, 27 ottobre — l'ultimo intervento di manutenzione su una famiglia che non ha ancora alcun annuncio pubblico collegato.

Cosa non è successo: nessun post sul blog di inclusionAI e nessun thread di rilascio. I tre checkpoint condividono effettivamente una raccolta, Zooming-without-Zooming-v2, che conta quattro elementi, ma una raccolta è un contenitore più che un annuncio. Il repository GitHub che ospita il codice di prima generazione non è stato aggiornato affatto — elenca ancora quattro modelli, ZwZ-2B, ZwZ-4B, ZwZ-7B e ZwZ-8B, tutti basati su backbone Qwen3-VL. La famiglia v2 non è presente. Se cerchi il codice che ha prodotto ZwZ2-4B, troverai il codice del suo predecessore, e il README non menzionerà il modello che hai tra le mani.

L'affermazione, enunciata come affermazione

La scheda di inclusionAI riporta un'accuratezza complessiva di 49,41 per il modello base e di 54,79 per ZwZ2-4B, misurata su 25 benchmark raggruppati in sei domini. La scheda afferma che il modello è migliorato su ognuno di questi benchmark e che le medie complessive e per dominio attribuiscono lo stesso peso a ogni benchmark. I sei domini indicati sono percezione fine-grained, ragionamento spaziale, comprensione di contesti lunghi, agenti multimodali e ragionamento visivo generale, oltre al gruppo fine-grained che porta il risultato in evidenza.

Quei due numeri costituiscono l'intera argomentazione quantitativa a favore del modello. I punteggi per singolo benchmark sono presenti nella pagina sotto forma di figure — un PNG e un SVG — anziché di testo, il che significa che gli otto risultati rappresentativi e tutti e venticinque sono visibili ma non leggibili da una macchina. L'unico insieme di benchmark descritto in prosa è MMLongBench*, il cui nucleo visivo è indicato come V-RAG, Image MM-NIAH e VH-Multi, su 25 attività non di conteggio. La scheda osserva inoltre che la risoluzione delle immagini per i «modelli avanzati» è vincolata dalla piattaforma di servizio, il che è un'avvertenza ragionevole e anche un promemoria del fatto che un punteggio di percezione è in parte un'affermazione su come l'immagine è giunta al modello.

Una media di +5,38 su 25 benchmark è una pretesa ambiziosa per un modello di classe 4B. È anche esattamente il tipo di pretesa che un fornitore è nella posizione migliore per avanzare e in quella peggiore per verificare, perché è stato il fornitore a scegliere l'insieme di benchmark, la ponderazione e la risoluzione. Considera 54,79 come il numero da riprodurre, non come il numero su cui pianificare.

Il metodo: una sola passata, nessuno zoom, niente SFT

La pipeline di training si chiama EvidenceConnect ed è la seconda generazione di un'idea che il laboratorio ha pubblicato all'inizio di quest'anno con il nome "Zooming without Zooming". La premessa è che la percezione visiva fine-grained viene di solito risolta in fase di inferenza — ritaglia la regione, ripeti la domanda, e così via — e che questo approccio è costoso e fragile. ZwZ2, invece, insegna al modello a prestare attenzione alle evidenze regionali all'interno di un singolo forward pass.

La costruzione si articola in quattro passaggi, come descritto nella scheda. Le regioni correlate vengono raggruppate, da tre a sette per immagine, tratte da SA-1B. Le domande vengono generate rispetto a viste ingrandite privilegiate di tali regioni, così chi scrive le domande può vedere dettagli che il modello di policy non vedrà mai in fase di inferenza. Tali domande vengono poi filtrate due volte — tramite l'accordo tra modelli e tramite un test di eliminazione di una regione che verifica se rimuovere una regione cambi effettivamente la risposta. Le domande verificate diventano attività a scelta multipla con quattro opzioni, e il modello viene addestrato con GRPO. Non c'è alcuna fase di fine-tuning supervisionato.

All'inferenza la policy vede l'immagine completa con i contorni colorati delle regioni disegnati sopra. I ritagli privilegiati esistono solo durante la costruzione dei dati. Ogni dimensione di modello della famiglia ha utilizzato circa 20.000 esempi di addestramento; la scheda del dataset riporta il dato esatto a 20.662 domande a scelta multipla, cinque download e una data di creazione del 19 ottobre.

Il design ha una conseguenza visibile che vale la pena segnalare a chiunque intenda valutarlo. Un modello addestrato solo su domande a scelta multipla con quattro opzioni viene ottimizzato per una forma di compito che non assomiglia affatto alla generazione di didascalie aperte o alle domande visive in forma libera. Se il vostro carico di lavoro richiede un paragrafo su un'immagine, questo checkpoint non è stato addestrato per farlo, e la sezione sui limiti della scheda lo dice esplicitamente: dettagli allucinati, testo letto male, errori di conteggio, errori spaziali.

Ciò che la configurazione dimostra, indipendentemente dal laboratorio

C'è una categoria di fatti che non devi accettare per fiducia, perché è aritmetica su file pubblicati. ZwZ2-4B pesa 4.539.265.536 parametri in BF16, memorizzati in un unico file safetensors da 9,08 GB. La pagina di Hugging Face arrotonda a "5B", il che è generoso; l'indice dice 4,54B. La sua base, Qwen3.5-4B, pesa 4.659.865.088 — quindi il derivato è più piccolo di circa 120,6 milioni di parametri rispetto al modello da cui è stato addestrato.

Quella differenza ha una spiegazione limpida nella configurazione. Qwen3.5-4B dichiara un livello di previsione multi-token; ZwZ2-4B ne dichiara zero. La testa di decodifica speculativa è stata rimossa. Rimuovi una testa MTP da un checkpoint da 4,6B e arrivi quasi esattamente al divario osservato. È la stessa modifica che presenta la variante gemella da 9B, ed è la prova più forte disponibile che si tratti di derivati post-addestrati anziché di modelli addestrati da zero.

Il resto dello stack è invariato rispetto alla base:

• Profondità — 32 strati sia in ZwZ2-4B che in Qwen3.5-4B

• Larghezza — dimensione nascosta 2.560, dimensione intermedia 9.216

• Attenzione — 16 teste query contro 4 teste KV, dimensione della testa 256, una pianificazione 3:1 lineare-completa (24 layer lineari, 8 completi)

• Vocabolario — 248,320 token, embedding condivisi

• Contesto — 262.144 posizioni, M-RoPE in una suddivisione 11/11/10, fattore rotatorio parziale 0,25

• Torre visiva — 24 layer con dimensione nascosta 1.024, dimensione patch 16, fusione spaziale 2×2

• Runtime — transformers 5.13.1, identificatore dell'architettura Qwen3_5ForConditionalGeneration

Il template della chat merita una riga perché cambia il comportamento del modello fin da subito. Il template rilasciato funziona in modalità non-thinking e istruisce il modello a inserire la risposta finale all'interno dei tag <answer>. Se lo carichi con un harness VLM generico che si aspetta testo libero, ti ritroverai i tag nell'output e ti chiederai perché.

Quello che la carta non ti dice

Tre lacune contano più di qualsiasi cosa dica la scheda.

Il primo è la licenza. Il repository non ha alcun file LICENSE né tag di licenza. La formulazione della card stessa rimanda a «la licenza che accompagna i pesi rilasciati e la licenza applicabile del backbone» — ma non c'è alcun file di licenza allegato a cui rimandare. Il backbone, Qwen3.5-4B, è Apache-2.0, quindi l'interpretazione più probabile è che il derivato ne erediti la licenza. Probabile non è sinonimo di dichiarato, e una revisione legale non accetterà una frase della card che rimanda a un file che non esiste.

Il secondo è il paper. Il metodo v2 — EvidenceConnect, il filtro drop-one-region, l'addestramento solo GRPO — non ha una documentazione pubblica. Il link al paper nella card è ancora il segnaposto letterale PAPER_URL. L'unico identificatore arXiv associato al repository, 2602.11858, è il paper di prima generazione, che descrive la distillazione da regione a immagine su backbone Qwen3-VL: un metodo diverso, una famiglia di modelli di base diversa e un insieme di numeri diverso. La card del dataset eredita lo stesso identificatore, quindi il tag propaga la discrepanza.

Il terzo è l'assenza di qualsiasi misurazione indipendente. Nessuna classifica ha valutato ZwZ2-4B, non esiste alcuna replica e il contatore dei download non si è mosso da zero. Un modello può essere eccellente e non misurato allo stesso tempo; il punto è solo che nulla al di fuori del laboratorio ha ancora confermato il 54.79.

La trappola di denominazione in cui incapperai

Cerca questo modello e ne troverai prima un altro. La prima generazione di ZwZ-4B è un checkpoint reale e documentato basato su Qwen3-VL-4B, e riporta una media di 66,86 rispetto al 61,52 del suo backbone, con un punteggio ZoomBench di 55,74. Quei numeri sono ampiamente citati e non sono i numeri di ZwZ2-4B. Appartengono a un modello base diverso, a una diversa ricetta di addestramento e a una diversa suite di benchmark.

I due nomi differiscono per un singolo carattere. Una tabella di confronto che li mescola apparirà coerente al suo interno e sarà errata. Se una pagina di un fornitore o un aggregatore mostra ZwZ2-4B a 66.86, quello è l'errore che stai guardando.

Se hai bisogno di un piccolo modello di visione questa settimana

ZwZ2-4B non è nel catalogo OrcaRouter, e questo articolo non ha intenzione di far credere il contrario. È un checkpoint che scarichi e servi da te; non esiste alcun endpoint ospitato per esso che la pagina Hugging Face riconosca, da nessuna parte, e la pagina riporta esplicitamente che nessun provider di inferenza lo serve.

Quello che il catalogo offre davvero è l'alternativa pratica per lo stesso compito: qwen/qwen3-vl-8b-instruct a $0,18 per milione di token in input e $0,70 per milione in output, con una finestra di contesto di 131K, servito attraverso lo stesso endpoint compatibile con OpenAI di tutto il resto. Se il tuo piano era valutare ZwZ2-4B rispetto a un baseline vision ospitato, quello è il baseline, ed eseguire entrambi con un'unica chiave significa una sola libreria client e una sola fattura invece di due integrazioni. OrcaRouter instrada oltre 200 modelli con failover automatico, così un percorso vision costruito su quell'endpoint non dipende dal fatto che un singolo upstream resti in salute.

Per un modello con zero download e nessun file di licenza, questa è la raccomandazione onesta: prendi in affitto il confronto, possiedi l'esperimento.

Cosa cambierebbe questa valutazione?

Tre eventi, in ordine decrescente di importanza. Un file di licenza, che trasformerebbe un'incognita legale in una risposta legale. Un documento pubblico v2, che permetterebbe a qualcuno di verificare il filtraggio di EvidenceConnect alla ricerca di leakage — il test drop-one-region è una buona idea, e le buone idee sono esattamente ciò che va sottoposto ad audit. E qualunque punteggio di terze parti, perché un singolo benchmark riproducibile su un harness neutrale farebbe di più per questo checkpoint che altre mille parole di scheda.

Finché uno di questi non arriva, ZwZ2-4B è uno specialista della percezione da 4.54B ben documentato, non annunciato e non misurato, la cui stessa scheda dichiara che supera il suo modello di base di 5.38 punti. È un'affermazione autentica e specifica. Non è ancora un risultato, e questa distinzione è l'unica cosa che vale la pena portare via da questo repository.