ZoomGain-9B 対 Qwen 3.8 8B：Qwen3.8-8B は存在しない、そしてそれがこの記事の趣旨だ

「Qwen 3.8 8B」で検索すると、比較ページ、ダウンロードリンク、そしてこれを出荷済みモデルとして扱う6本ほどの記事が見つかる。しかしそれは違う。AlibabaのQwen3.8世代には4つのオープンチェックポイント——Qwen3.8-27B、そのFP8ビルド、Qwen3.8-2.4T-A95B、Qwen3.8-Flash-Next——が含まれており、そのどれも8Bではない。Qwenラインナップの8B枠を占めているのはQwen3-8Bであり、これは2025年のQwen3世代のモデルで、アーキテクチャもトークナイザーも時代も異なる。したがって、この対決を正直に言い表すなら、2026年11月10日にinclusionAIが公開した9Bの視覚言語チェックポイントZoomGain-9Bと、同程度のサイズで実際に存在する2つのQwenモデル、すなわち3.8世代で最小のデンスモデルである270億パラメータのQwen3.8-27B、そしてZoomGain-9Bが事後学習の起点としたQwen3.5-9Bとの間の比較になる。

その訂正は、面白い部分の前に片付けておくべき技術的な細事ではない。それは答えを変える。Qwen3.5-9B は ZoomGain が学習に使ったベースモデルであり、このリリース全体の中で管理された実験に最も近いものだ。重みもアーキテクチャもトークナイザーも同じで、違いは RL サンプル 9,000 件だけだ。Qwen3.8-27B は 3 倍の規模で 2 世代新しく、今日 Qwen のエンドポイントを使いたいなら ZoomGain の代わりに実際に選ぶモデルだ。両方と比較すれば、幻の 8B では決して得られなかったことが分かる。

なぜファントムエントリがそもそも存在するのか

命名はランダムではない。Q​wenは2026年8月5日と8日に27Bと2.4T-A95Bをリリースし、続いて8月24日にFlash-Nextをリリースした。前世代のQ​wen3.5には9Bと4Bがあり、Q​wen3.6には27Bと35B-A3Bがあった。Q​wen3以降の各世代には小型のdenseモデルが含まれており、3.8世代はそれを初めて省いた世代である。過去3回のリリースからパターンマッチングするなら、Qwen3.8-9Bを予測するのが妥当であり、Qwen3.8-8Bはその予測から1桁しか違わない。

実際にその穴を埋めているのは、コミュニティによる蒸留です。Qwen3.8-9B-Distillのチェックポイントは、27Bのリリースから1週間以内に独立系ラボからHub上に登場し、それらの派生物のさらに派生物も続きました。これらはQwen3.8の出力で学習された小規模モデルであり、Qwen3.8モデルではありません。見つけたページがベンチマーク数値付きで「Qwen 3.8 8B」について説明しているなら、最も可能性が高い説明は、それらのいずれかを説明しているか、何も説明していないかのどちらかです。

実用的な帰結として、小型のQwenファミリーモデルが必要なら、現時点で実際の選択肢は9BのQwen3.5-9Bと4BのQwen3.5-4Bであり、どちらも2026年2月のもので、どちらもApache 2.0で、どちらも依然としてHubで最もダウンロードされているモデルの一つです。ZoomGain-9Bはその前者を基に構築されています。

リリースが偶然にも提供してしまう対照実験

Qwen3.5-9Bの構成とZoomGain-9Bの構成は同じ形をしています。32層、隠れサイズ4,096、中間サイズ12,288、ヘッド次元256でクエリヘッド16個に対してKVヘッド4個、最大位置262,144、そして線形DeltaNetとフルアテンションの3:1のスケジュールも同じです。ビジョンタワーはベースモデルのものです。アーキテクチャについては何も変わっていません。

変わったのは事後学習だ。ZoomGainは、切り抜いたディテールをマイニングして生成した9,000問にGRPOを適用し、1エポック、各問8回のロールアウトを行った。介入はこれだけであり、ZoomGainBenchで測定された効果は32.13から55.48、つまり23.35ポイントの上昇だ。このベンチマークは訓練データと同じパイプラインから構築されており、論文はそれを正直に「Held-in」と呼んでいる。

その注意点を踏まえても残る数値は、学習が一度も見なかった13個のベンチマークにわたるホールドアウト平均です。Qwen3.5-9Bが59.75、ZoomGain-9Bが66.10。同じ重みで、9,000サンプルから6.35ポイントの向上です。このリリースが対象とする特定のファミリーでは、差分はより大きくなります。HR-Bench 4Kは82.13から90.25、V*Benchは86.91から93.19、VisualProbeは44.66から56.31です。

• 興味深い負の結果 — MMStar は 71.73 から 73.87 に、BabyVision は 15.98 から 17.53 に変化する。汎用的なマルチモーダル能力はほとんど変わらない。このトレーニングで得られたのは微細なディテールだけで、それ以外はほとんど何も得られていない。これは、9,000 サンプルの的を絞った RL 実行が果たすべきことだ。

• 正直な注意点 — 上記はすべて、著者ら自身のハーネス上での著者報告です。Ant Group の外部でこれを再現した人は誰もいません。評価器とベンチマークは公開されているため検証可能ですが、まだ検証されていません。

Qwen3.8-27B、そしてそれを同じ表に並べる行

ここからが本当の比較だ。ZoomGainの論文は実際に独自のベンチマークでQwen3.8-27Bを評価しているからである。27BはZoomGainBenchで総合44.81を記録しており、Kimi-K3の48.65、Qwen3.8-Flash-Nextの55.05、そして表に並ぶあらゆるクローズドソースのフロンティアモデルに後れを取っている。その指標で見る限り、細部の知覚において有能ではあるが特筆すべきところのないモデルだ。

これを同じテストでの ZoomGain-9B の 55.48 と並べると、その数字は際立って見える。同じファミリーの 27B モデルを 10.7 ポイント上回る 9B モデルが、どちらのベンダーのマーケティングも選ばないであろうベンチマークで記録したのだ。しかし、これはまさに held-in ラベルを付ける必要がある比較であり、論文はそれを付けている。ZoomGainBench は、ZoomGain のトレーニングデータを構築したパイプラインによって構築された。そのパイプライン由来の質問で学習したモデルはその分布に触れているが、その上で評価されるモデルは触れていない。10.7 ポイントの差は、能力についてではなく、分布への適合についての記述である。

その歪みなしで両者を比較できる場合、状況は逆転する。Qwen3.8-27B 自身のモデルカードは、Terminal Bench 2.1 を 73.0、SWE-bench Pro を 61.7、LiveCodeBench v6 を 90.3、GPQA Diamond を 89.2、HLE を 30.8 と報告している。ZoomGain-9B はこれらのいずれでも評価されておらず、良い成績を期待できるはずもない。その学習はコード、ターミナルタスク、大学院レベルの科学に一切触れていない。Qwen3.8-27B はさらに、画像と動画をネイティブに受け付け、262,144トークンのコンテキストを提供して100万トークンまで拡張可能であり、`reasoning_effort` による思考制御をサポートする。これは ZoomGain-9B にはまったく備わっていない能力だ。その評価は思考を無効にして実行されるためである。

• サイズと形状 — Qwen3.8-27Bは64層、隠れ次元5,120、中間次元17,408、1層のマルチトークン予測ヘッドを備えた27Bのdenseモデルです。ZoomGain-9Bは約9.4Bで、32層、隠れ次元4,096です。

• 入手性 — Qwen3.8-27Bは740万ダウンロード、Apache 2.0ライセンス、FP8およびGGUFビルド、ホスト型エンドポイントを備えています。ZoomGain-9Bにはホスト型エンドポイントがなく、Hub上のプロバイダーマッピングは空で、ライセンスはライセンスタグのないカードに先送りされ、BF16以外では11月11日のGGUFビルドが唯一の配布物です。

• リリース日 — Qwen3.8-27B：2026年8月5日、ブログ記事とテクニカルレポートを伴う正式リリース。ZoomGain-9B：2026年11月10日、論文とリポジトリのみで、それ以外は何もない。3か月の差よりも重要なのは、そのうちの一つが8月から実運用の現場に渡っているという事実だ。

各ルートの価格と、実際にお客様へ販売できるルート

Qwen3.8-27BはOrcaRouterのカタログに掲載されています価格は100万入力トークンあたり$0.33、100万出力トークンあたり$2.40で、262Kのコンテキスト、テキスト・画像・動画入力に対応し、プロバイダーの定価に対するマークアップは0%です。当社のモデルページに表示される金額はQwenが請求する金額をそのまま反映したもので、ベンダーの価格変更は再価格設定サイクルを待たずに当日ここへ反映されます。同じキーで、27Bが適切なサイズでないことが判明した場合はQwen3.8-FlashとQwen3.8-Maxにもアクセスできます。また、フェイルオーバーとは、停止したエンドポイントが応答開始前にプロバイダーへ再試行されることを意味し、リクエストがタイムアウトした後ではありません。

ZoomGain-9Bはカタログに含まれておらず、当社経由で呼び出すことはできません。BF16で18.82 GB、またはQ4_K_Mで5.63 GBに0.52 GBのmmprojプロジェクターを加えた構成で、vLLM 0.19.1とtransformers 5.7.0の環境下、またはQwen3.5のマルチモーダル対応を備えたllama.cppビルド下で提供されます。Qwen3.5-9B自体もカタログに含まれていません。これは率直に言っておく価値があります。この比較の安価なホスト版は、当社側にも存在しないのです。

もし本当の疑問が「Q​wenエンドポイントにお金を払う代わりにZoomGain-9Bを動かすべきか」というものなら、コスト比較はどちらの方向でも僅差ではなく、そもそも僅差である必要もありません。入力トークン100万個あたり$0.33の27B denseモデルは、「たまに使う」と言えるほぼどの利用量でも、GPUを所有するより安上がりです。9Bのセルフホストが有利になるのは、利用量が多い場合、データをネットワーク外に出せない場合、またはそのタスクが9Bの訓練対象だった単一の狭い用途である場合だけです。

ファントムモデルが重要だったはずの場面

Qwenのラインナップには実際に大きな空白があり、それに名前を付ける価値があります。なぜなら、これほど多くの人がこの対決を検索した理由を説明できるからです。262KのコンテキストウィンドウとQwen3.8世代の語彙を備えた9Bのdenseモデルが、Qwen3.5-9Bに近い価格で販売されていれば、画像を多用するパイプラインにとって明らかな低予算向けの選択肢になったでしょう——27Bより安く、4Bより高能力で、1枚のカードでセルフホストできるほど小さいのです。Qwenはそれを投入しなかったため、現在この枠は、旧来のQwen3.5-9Bか、ベンダーの後ろ盾がないコミュニティによる蒸留モデルのいずれかで埋められています。

ZoomGain-9Bもそのモデルではなく、この区別は重要です。これは、研究ライセンス上の問題を抱え、ホスト型の提供経路がない知覚特化モデルであり、汎用の小型Qwenではありません。「Qwen 3.8 8B」に求めていたのが安価な汎用モデルだったなら、ZoomGain-9Bは細部以外のすべてで期待を裏切るでしょう。求めていたのが4K写真の中からシリアル番号を見つけられるモデルだったなら、それはまさにそのために作られた数少ない小型チェックポイントの一つです。

汎用ケースでは、現実的な代替品はホスト型のQ​wen3.5シリーズです。35B-A3Bは入力100万トークンあたり0.057ドル、27Bは0.086ドルで、欠けている8Bが埋めていたはずの低予算枠を、より大きなフットプリントと実際のエンドポイントを備えて占めます。知覚ケースでは、提供できるホスト型の代替品はありません。Qwen3-VL-8B-Instructは入力100万トークンあたり0.18ドル、出力0.70ドルで画像を受け取り、あなたのエラーが細部エラーかどうかを試す代替として機能しますが、ZoomGainと同じようには訓練されておらず、クロップではZoomGainに匹敵しません。

これを具体的にどうするか

もしあなたがZoomGain-9B対Qwen3.8-8Bの判定を求めてここに来たなら、その判定とは相手が存在しないということであり、判定を提示したページは比較の半分を捏造したことになる。本当の問いはより狭く、しかもどちらも今日答えられる。

問い1：Qwen3.5-9Bの9Bファインチューンは、細粒度知覚においてQwen3.5-9Bより優れているのか？ 著者の数値によれば、はい、ホールドアウトで6.35ポイント、訓練が対象としたベンチマークではさらに大きく上回っている。これは9,000サンプルとしては強い結果であり、今回のリリースで最も興味深い点だ。

質問2：あなたにとって重要な点で、ZoomGain-9B は Qwen3.8-27B より優れているでしょうか？ 一般的な能力では、答えはノーです。27B のほうが新しく、大規模で、ドキュメントが充実し、ライセンスも明確で、ホスティングも提供され、はるかに多くの軸で評価されています。ZoomGain 自身の学習分布から作られたベンチマークでは 10.7 ポイント高いスコアを出しますが、それは学習がうまくいったことを示すだけで、どのモデルを買うべきかについては何も教えてくれません。

続く決断は地味だ。汎用的な作業にはホスト型の Q​wen モデルを使うべきだ。入力トークン100万あたり0.33ドルで済み、APIコール1回で利用できるからだ。ZoomGain-9B をダウンロードするのは、細部に特化した特定の作業があり、GPUがあり、ベンダーが公開していないライセンスファイルを読んだ弁護士がいる場合だけにすべきだ。