'DaisyRose 27B vs ZWZ2 27B'라고 적힌 생성된 타이틀 카드와 '평균 대 최전선'이라는 부제, Qwen3.8-27B 베이스의 DaisyRose-27B를 나열한 왼쪽 카드, 보고된 벤치마크 7개와 대표 점수 Terminal Bench 4.1/12.0, Qwen3.6-27B 베이스의 ZwZ2-27B를 나열한 오른쪽 카드, 보고된 벤치마크 25개와 대표 평균 60.51, '두 표 모두 벤더 보고 기준이며, 베이스 모델 세대가 하나 차이남'이라고 적힌 푸터, 그리고 OrcaRouter 로고가 있습니다.
Guides & Insights

DaisyRose 27B vs ZWZ2 27B: 평균 대 프런티어

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

를 나란히 놓으면DaisyRose-27B와 ZWZ2-27B Q​wen 체크포인트를 실제 강화학습으로 포스트트레인한 두 모델을 얻게 됩니다. 이 둘은 2026년 가을에 3주 간격으로 공개되었고, 완전히 다른 두 스타일로 보고되었습니다. RadixArk가 2026년 11월 18일에 공개한 DaisyRose-27B는 Q​wen3.8-27B를 상대로 한 7개 벤치마크이며, 가장 큰 상대적 향상은 가장 어려운 벤치마크에 있습니다. inclusionAI의 ZWZ2-27B는 Q​wen3.6-27B를 상대로 6개 도메인에 걸친 25개 벤치마크이며, 평균 점수가 55.52에서 60.51로 상승한다고 보고되었습니다.

한 연구소는 최전선 성능을 발표했다. 다른 연구소는 평균을 발표했다. 이 둘은 같은 종류의 주장이 아니며, 그 차이는 어느 표에 있는 그 어떤 단일 수치보다도 각 모델이 무엇을 위한 것인지에 대해 더 많은 것을 말해준다.

서로 다른 기지, 한 세대 차이

이 맞대결에서 가장 중요한 사실은 두 모델이 같은 조상을 공유하지 않는다는 점입니다. ZWZ2-27B는 Qwen3.6-27B를 기반으로 만들어졌고, DaisyRose-27B는 Qwen3.8-27B를 기반으로 만들어졌습니다. 이는 기반 모델 세대가 한 세대 차이 난다는 뜻이며, 따라서 "vs" 페이지가 일반적으로 수행하는 맞대결은 여기서 전혀 제공될 수 없습니다 — 수치가 없어서가 아니라, 이전 세대 기반 모델을 이기는 것이 현재 세대 기반 모델을 이기는 것과는 다른 의미를 지니기 때문입니다.

ZWZ2-27B의 자체 모델 카드는 모든 향상 폭을 Qwen3.6-27B와 비교해 보고함으로써 이 점을 분명히 보여줍니다. DaisyRose-27B의 모델 카드는 Qwen3.8-27B와 비교해 보고합니다. 두 상승폭 수치를 비교하는 독자는 더 오래된 베이스 대비 개선과 더 새로운 베이스 대비 개선을 비교하는 것이며, 더 새로운 베이스는 애초에 더 높은 곳에서 시작했습니다. 어떤 계산으로도 그것을 바로잡을 수 없고, 정직한 기사라면 그렇게 시도해서도 안 됩니다.

ZWZ2가 자신을 보고하는 방식

ZwZ2-27B의 평가는 벤치마크 난이도가 아니라 도메인별로 구성됩니다. 25개 벤치마크가 6개 영역으로 묶여 있으며, 각 도메인은 자체적인 전후 평균을 제시합니다:

• 세밀한 인식 — 62.09에서 67.57로, VStar, HR-Bench 8K, MME-RealWorld를 포함한 8개 벤치마크에서 5.48 향상.

• 공간 추론 — 49.72에서 55.98로, 6.26 상승, 가장 큰 영역 상승폭.

• 일반 시각 추론 — 47.89에서 53.71로, 5.82 상승, MMStar와 BabyVision 전반에 걸침.

• 체화된 공간 — 50.17에서 55.71로, 5.54 상승.

• 긴 컨텍스트 — 65.87에서 68.77로, 2.90 상승.

• 멀티모달 에이전트 — 49.73에서 51.81로, 2.08 상승, 가장 작은 상승폭이자 가장 많은 것을 말해주는 수치.

전체 평균은 55.52에서 60.51로 4.99 상승했으며, inclusionAI는 튜닝된 모델이 25개 벤치마크 모두에서 기본 모델을 능가한다고 밝힌다. 이는 일관성에 관한 강한 주장이지만 특정 능력에 관한 약한 주장인데, 25개 테스트에 대한 평균은 모델이 이미 잘했던 테스트에 의해 좌우되기 때문이다.

DaisyRose가 자신을 보고하는 방식

RadixArk는 반대 접근을 택했습니다: 일곱 개의 벤치마크를 각각 개별적으로 보고하고, 그 옆에 기본 모델의 점수를 함께 제시했습니다. Terminal Bench 4.1은 5.6에서 12.0으로, Terminal Bench 2.1은 73.0에서 75.5로, DeepSWE v1.1은 42.2에서 46.2로, SWE Bench Pro v2는 91.3에서 94.7로, Humanity's Last Exam은 33.9에서 34.3으로, IFBench는 79.5에서 82.4로, GPQA Diamond는 89.2에서 90.7로 올랐습니다.

평균값은 제시되지 않으며, 바로 그 점이 핵심이다. 대표 상승폭인 Terminal Bench 4.1에서의 두 배 이상은 매우 낮은 기저에서 나온 상승이다 — 5.6은 바닥에 가깝다. 기저가 이미 강했던 두 벤치마크인 HLE와 GPQA Diamond는 거의 변하지 않는다. 집합으로 읽으면, 이 표는 튜닝이 에이전트 역량을 얻었고 일반 추론은 건드리지 않았음을 말한다. 이는 장기 호라이즌 에이전트 과제에 기반한 보상이 마땅히 산출해야 하는 바로 그 결과다.

A generated two-column scoreboard. DaisyRose-27B: base model Qwen3.8-27B, benchmarks published 7, Terminal Bench 4.1 5.6 to 12.0, Humanity's Last Exam 34.3, reporting style individual rows, context 262,144. ZwZ2-27B: base model Qwen3.6-27B, benchmarks published 25, reporting style domain means, context 262,144. Footer reads 'Vendor-reported; the two bases are one generation apart.'

25개 벤치마크 평균이 숨기는 것

ZWZ2-27B의 가장 약한 절대 수치 행들이 흥미로운데, 자체 카드가 이를 공개한다: Chartography 12.00, AgentVista 18.18, Perception-Bench 44.93, ScreenSpot-Pro 70.59. 이들은 50~60대의 도메인 평균과 나란히 놓이며, 이는 평균이 모델이 잘하는 벤치마크에 의해 떠받쳐지고 있고 정말 어려운 벤치마크들은 바닥 근처에 있다는 뜻이다.

그것은 post-train에서는 정상이며 결함으로 읽어서는 안 됩니다. 하지만 그것은 바로 평균이 지워버리는 정보입니다. “60.51”을 읽고 모든 분야에서 60% 잘하는 모델을 기대하는 팀은 Chartography에서 12를 보고 크게 놀랄 것입니다. 벤치마크별 행을 읽는 팀은 이 모델이 어떤 워크로드에 대해 학습되지 않았는지 즉시 압니다.

같은 주의사항은 DaisyRose-27B에도 반대로 적용됩니다. Terminal Bench 4.1에서의 12.0점은 상대적으로 큰 향상이지만 절대적으로는 빈약한 결과이며, 카드는 두 가지 모두에 대해 솔직합니다. 어느 모델의 헤드라인 숫자도 자체 세부 행과 맞닿는 순간 살아남지 못합니다.

아키텍처 및 라이선스

둘 다 기반 모델을 변경 없이 그대로 상속합니다. ZWZ2-27B는 공개된 Qwen3.6-27B 구성을 그대로 따릅니다. 히든 크기 5,120, 64개 레이어, 차원 256에서 24개의 쿼리 헤드와 4개의 키-값 헤드, FFN 17,408, 3대1 선형 대 전체 어텐션 패턴이 16회 반복되며, rope 베이스 1,000만의 인터리브된 M-RoPE, 어휘 248,320, 네이티브 위치 262,144입니다. 비전 타워는 너비 1,152의 27개 레이어로 16픽셀 패치와 2×2 병합을 통해 5,120으로 투영합니다. 다중 토큰 예측 레이어는 없으며 — 구성에서 이를 0으로 설정합니다 — BF16 가중치는 두 샤드에 걸쳐 약 54GB이고, transformers 5.13.1이 문서화된 경로입니다.

DaisyRose-27B는 Qwen3.8-27B 구성을 갖추고 있습니다. 히든 크기와 레이어 수가 같고, 동일한 3:1 패턴의 Gated DeltaNet 선형 어텐션을 사용하며, 0.46B 비전 인코더와 ZWZ2-27B에는 없는 0.42B 예측 헤드를 갖추고 있습니다. 컨텍스트는 둘 다 262,144입니다. DaisyRose는 BF16 약 52GB, FP8 29GB, NVFP4 23GB로 제공되며 전체 SGLang 서빙 레시피를 포함합니다. ZwZ2-27B는 BF16으로만 제공됩니다.

• 라이선스 — 둘 다 Apache-2.0이며, 각자의 기반에서 상속되었습니다.

• 비전 — 둘 다 이미지를 입력받고 텍스트를 반환하며, 어느 쪽도 텍스트 전용이 아닙니다.

• 양자화 — DaisyRose-27B는 세 가지 형식, ZwZ2-27B는 BF16 전용.

• 서빙 문서 — DaisyRose-27B용 추측 디코딩이 포함된 상세 SGLang 레시피; ZwZ2-27B용 transformers 퀵스타트.

• 독립적 평가 — 이 글을 작성하는 시점 기준으로 두 모델 모두 없음.

Screenshot of the RadixArk release post for DaisyRose-27B captured 21 November 2026, dated November 18, 2026 and headed 'DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency', stating that the model is built on Qwen3.8-27B and trained with reinforcement learning on long-horizon agent tasks with sessions up to 1M tokens, using 1,200 curated tasks in 18 days on 144 GPUs.

인식에 관한 질문

ZwZ2-27B의 향상은 지각과 공간 추론에 집중되어 있습니다. 세밀한 지각은 5.48 상승, 공간은 6.26 상승, 체화 공간은 5.54 상승했으며, HR-Bench 8K 같은 고해상도 벤치마크가 바로 이 첫 번째 그룹에 속합니다. DaisyRose-27B는 지각 벤치마크를 전혀 보고하지 않습니다. 비전 인코더는 그대로 상속되어 손대지 않았고, 카드 어디에도 보상이 이를 형성했다는 암시가 없습니다.

그 비대칭성이 바로 결정입니다. 워크로드가 스크린샷, 밀도 높은 차트, 스캔한 페이지 또는 공간 레이아웃이라면 ZwZ2-27B의 카드가 이를 직접 다루며 DaisyRose-27B의 카드는 그렇지 않습니다. 워크로드가 터미널, 리포지토리 또는 긴 도구 호출 세션이라면 반대가 성립합니다: DaisyRose-27B의 카드는 바로 그러한 행들로 가득 차 있고 ZwZ2-27B의 가장 약한 영역은 평균 51.81의 멀티모달 에이전트입니다.

어느 카드도 다른 카드보다 더 나은 증거가 아닙니다. 두 카드는 서로 다른 사안에 관한 증거이며, 서로 다른 프로토콜에 따라 산출되었습니다. 올바른 대응은 각 카드를 그것이 답하도록 만들어진 질문에 비추어 읽는 것입니다.

그것들을 실행하고, 그것들을 혼합하는 것

DaisyRose-27B도 ZwZ2-27B도 현재 OrcaRouter에 호스팅되어 있지 않습니다. 둘 다 직접 서빙하거나 타사 플랫폼을 통해 접근하는 가중치이므로, 두 모델 모두 동일한 운영상 문제를 안고 있습니다. 즉, 두 개의 체크포인트, 두 개의 배포, 두 세트의 용량 결정, 그리고 현재 사용 가능한 쪽으로 요청을 보낼 방법이 없다는 문제입니다.

라우팅이 바로 이런 경우를 위해 만들어졌습니다. 두 모델이 작업 부하를 깔끔한 경계로 나눌 때, 즉 한쪽은 인식, 다른 쪽은 에이전틱 행동을 맡는 경우에도 애플리케이션은 결국 요청을 분류하고 서로 다른 두 엔드포인트를 호출하게 됩니다. OrcaRouter의 라우팅 DSL을 사용하면 그 분류를 한곳에 두고 두 모델을 단일 호출 경로로 구성할 수 있으며, 포화된 자체 호스팅 배포가 오류를 반환하는 대신 두 번째 엔드포인트로 넘어가도록 자동 페일오버가 적용됩니다. 이렇게 최신이고 문서화가 이처럼 빈약한 모델 쌍의 경우, 페일오버는 가동 시간보다는 3주 동안만 공개된 가중치에 프로덕션 경로를 걸지 않는 문제에 가깝습니다. 또한 OrcaRouter는 공급자 정가를 0% 마크업으로 전달하므로 우리가 호스팅하는 모든 항목에 대해, 혼합 배포의 호스팅 구간은 배수 가격이 아닌 원가로 책정됩니다.

Screenshot of the Hugging Face model page for inclusionAI/ZWZ2-27B captured 21 November 2026, showing 15 likes, the Image-Text-to-Text pipeline tag, Transformers and Safetensors formats, tags for inclusionAI/ZwZ2-RL-VQA, grpo and conversational, two arXiv links, and an Eval Results section.

귀하의 결정을 위해 어떤 보고서를 신뢰해야 합니까?

당신의 업무가 인지(perception) 우선이고, 모델 카드가 25개 벤치마크 전반에 걸쳐 이를 문서화한 모델을 원한다면 ZwZ2-27B를 선택하십시오 — 그리고 평균이 아니라 절대값 행을 읽으십시오. 당신의 업무가 에이전트 기반이고, 카드가 모태가 된 베이스 모델 대비 구체적이고 검증 가능한 행동 변화를 문서화한 모델을 원한다면 DaisyRose-27B를 선택하십시오. 확정하기 전에 독립적 검증이 필요하다면 둘 다 선택하지 마십시오: 두 표 모두 벤더가 보고한 것이고, 둘 다 Artificial Analysis 점수가 없으며, 구매팀이 원할 법한 단 하나의 숫자 — 당신 자신의 워크로드에서의 성능 — 는 두 문서 어디에도 없습니다.

실제로 중요해질 비교는 다음 비교다. 두 연구소 모두 첫 모델을 내놓았고, 둘 다 Qwen 체크포인트를 기반으로 구축됐으며, 둘 다 강화 학습을 포스트트레이닝의 전부로 사용했다. inclusionAI가 Qwen3.8-27B 기반의 ZwZ3를 출시하거나, RadixArk가 에이전트 레시피를 유지하면서 퍼셉션 행을 추가한 두 번째 DaisyRose를 출시한다면, 두 보고 방식은 마침내 공통 기반 위에서 만나게 되고 실제 일대일 비교가 가능해진다. 그때까지는 이 모델들이 서로 다른 목적을 위해 측정되었다는 것이 올바른 요약이며, 평균과 프런티어의 차이는 “전반적으로 더 나은가”라고 묻는 것과 “내가 필요한 것에서 더 나은가”라고 묻는 것의 차이다.