ZoomGain-9B, 공지 없이 출시: 저장소가 실제로 말하는 것

논문은 2026년 11월 10일 arXiv에 올라갔다. GitHub 저장소는 하루 전인 11월 9일에 생성되었고, 첫 커밋 제목은 "Release ZoomGain init"이다. 가중치는 11월 10일 11:42 UTC에 Hugging Face에 나타났으며, 이어서 11월 11일 03:16에 GGUF 저장소가 등장했다. 출시 블로그 글도, 벤더 발표도, 호스팅 엔드포인트도, 체크포인트 저장소 자체의 라이선스 태그도 없다. 이것이 Ant Group의 오픈 모델 부문인 inclusionAI에서 나온 94억 파라미터 비전-언어 모델 ZoomGain-9B에 대해 공개된 기록의 전부이며, 이 글이 출시 기사가 아니라 저장소 읽기로 쓰인 이유다.

주목할 만한 이유는 은밀함이 아니다. 아무도 발표하지 않은 무언가치고는 이 저장소가 유난히 완성도가 높다는 점이다. 논문, 1,000개 질문 벤치마크, 9,000개 레코드 강화학습 데이터셋, 평가기, 학습 런처, 4B와 9B의 두 체크포인트, 그리고 세 가지 GGUF 양자화가 모두 대략 이틀 안에 공개됐다. 오늘 방법을 읽고, 평가를 다시 실행하고, 학습을 재현할 수 있다. 유일하게 빠진 것은 회사 관계자가 그것이 존재한다고 말해 주는 일이다.

실제로 반영된 것들은 순서대로

• 2026년 11월 9일 — inclusionAI GitHub 저장소가 생성됩니다. Apache 2.0 라이선스를 적용하며, 가중치가 아니라 데이터 구성 및 학습 코드를 포함합니다.

• 2026년 11월 10일 — arXiv:2611.14076v1, "ZoomGain: Mining Global-to-Zoom Perception Gaps for Fine-Grained Visual Supervision", 저자: Haozhan Shen, Liangbo He, Jun Lan, Huijia Zhu, Weiqiang Wang, Tiancheng Zhao, Jianwei Yin, 소속: Ant Group, Zhejiang University, Om AI Research, Binjiang Institute.

• 2026년 11월 10일 11:42 UTC — inclusionAI/ZoomGain-9B 및 inclusionAI/ZoomGain-4B가 Hub에 생성되었으며, 각각 18.82 GB와 9.08 GB의 단일 BF16 safetensors 파일을 포함합니다.

• 2026년 11월 11일 03:16 UTC — inclusionAI/ZoomGain-9B-GGUF가 Q4_K_M, Q8_0, F16 빌드와 이에 대응하는 mmproj 프로젝터 파일들과 함께 등장했으며, 이는 연구 체크포인트를 노트북에서 실행해 볼 수 있는 형태로 바꾸는 단계입니다.

주목할 만한 작은 세부 사항이 하나 있습니다. 바로 조율된 출시라면 나오지 않을 종류의 일이기 때문입니다. 모델 카드 자체의 "업데이트" 섹션은 논문, 벤치마크, 데이터셋, 체크포인트를 모두 2026.11.11로 표기하지만, 저장소 생성 타임스탬프와 arXiv 제출 날짜는 둘 다 11월 10일을 가리킵니다. 그 카드는 사후에 누군가 정리하면서 한 번에 작성한 것입니다.

그 아이디어를 한 문단으로 말하자면, 그것은 정말로 하나의 아이디어이기 때문이다.

비전 모델은 이미지의 한 영역에 관한 질문에는 종종 답할 수 있지만, 같은 영역이 전체 프레임 안에 나타나면 실패한다. 저자들은 이를 전역-확대 지각 격차(global-to-zoom perception gap)라고 부르며, 이를 지도 신호로 전환한다. 1단계: 여러 모델이 전체 장면에 설명된 대상을 독립적으로 찾아내고, 이들의 일치를 통해 잘라낼 영역을 식별한다. 2단계: 크롭의 캡션과 전체 장면의 캡션을 비교하고, 크롭에서는 드러나지만 전체 뷰에서는 드러나지 않는 세부 사항을 원본 이미지에 관한 질문으로 만든다. 3단계: 크롭에서 답을 다시 확인하고, 모호한 질문과 언어적 사전 지식만으로 답할 수 있는 질문을 걸러내며, 객관식 형식을 위한 그럴듯한 오답 선택지를 생성한다.

훈련은 7,713장의 원본 이미지를 기반으로 구축한 9,000개 레코드에 대해 GRPO로 수행되며, 번들로 제공된 EasyR1 코드를 사용해 1에포크, 배치 크기 64, 질문당 8회 롤아웃으로 진행됩니다. 평가는 기본적으로 temperature 0에 Q​wen3.5 thinking이 비활성화된 상태로 설정되며, OCR 및 counting 질문은 개방형으로 유지되는 반면 속성 질문은 객관식이 됩니다. 그 자체로 특별한 점은 없습니다. 특별한 점은 훈련 데이터를 생성한 파이프라인이 벤치마크도 생성했다는 것이며, 논문이 이를 명시적으로 밝히고 있다는 것입니다.

서로 같지 않은 두 숫자

이와 동일한 파이프라인으로 구축된 1,000개 질문·941개 이미지의 영어 및 중국어 벤치마크인 ZoomGainBench에서 ZoomGain-9B는 55.48점을 기록한다. 그 기본 모델인 Qwen3.5-9B는 32.13점을 기록한다. 이는 모델 자체의 학습 데이터가 추출된 벤치마크에서 23.35점 상승한 것이며, 논문이 바로 그 이유로 해당 열을 "Held-in"이라고 표기한다.

의사 결정에 활용할 숫자는 훈련에서 한 번도 건드리지 않은 13개 벤치마크의 평균이며, 여기서 ZoomGainBench는 제외됩니다: ZoomGain-9B는 66.10, Qwen3.5-9B는 59.75입니다. 9,000개 샘플에서 평균 6.35포인트 상승은 탄탄하고 믿을 만한 결과입니다. 두 숫자 모두 실제입니다. 두 숫자는 서로 다른 질문에 답하며, "held-in"이라고 밝히지 않고 55.48을 인용하는 페이지는 절반만 말하는 것입니다.

같은 표에는 아직 아무도 눈치채지 못한 듯한 두 번째 이상한 점이 있다: 더 작은 형제 모델이 held-in 벤치마크에서 9B를 이긴다. ZoomGain-4B는 ZoomGainBench에서 55.81점으로 9B의 55.48점을 앞서지만, held-out 평균에서는 63.96 대 66.10으로 뒤진다. 훈련 분포로 만든 벤치마크에서는 두 모델이 노이즈 범위 안에서 동등하지만, 그 분포를 벗어나면 규모가 다시 힘을 발휘한다. 단일 대표 수치 하나만 믿고 둘 중 하나를 고른다면, 잘못된 쪽을 고르게 될 것이다.

9,000개의 샘플로 얻은 것, 벤치마크별로

다음은 모두 논문의 표 3에 있는 저자 보고 수치이며, 공개된 평가기에서 저자 자신의 하네스로 실행한 것이고, 누구에 의해서도 독립적으로 재현되지 않았습니다:

• HR-Bench 4K — 90.25, 82.13에서 상승. 이는 초록이 가장 먼저 내세우는 수치이며, 이번 발표에서 가장 강력한 주장입니다.

• V*Bench — 93.19, 86.91에서 상승. 고해상도에서의 소형 물체 탐지.

• VisualProbe — 56.31, 44.66에서 상승. held-in 벤치마크 외부에서 가장 큰 상대적 상승폭.

• O3-Bench — 68.12, 56.52에서 상승. 다단계 인식 및 추론.

• MMVP — 70.00, 60.00에서 상승. 한 가지 세부 사항만 다른 이미지 쌍을 사용하는 고전적인 테스트입니다.

• MMStar — 73.87, 71.73에서 상승. 일반 멀티모달 역량이며, 이 세트에서 가장 작은 상승폭입니다.

• BabyVision — 17.53, 15.98에서 상승. 여전히 바닥 근처 수준이며, 개선 효과가 고르게 퍼지기보다 세부 묘사 계열에 집중된다는 점을 알려주는 유용한 리마인더입니다.

함께 읽어 보면, 이 패턴은 일반적인 역량 향상보다는 해당 방법과 일관된다. 가장 큰 변화량은 큰 프레임 안에서 작은 것을 찾는 능력을 보상하는 벤치마크에 있고, 가장 작은 변화량은 폭넓은 세계 지식과 평범한 시각적 추론을 보상하는 벤치마크에 있다. 그것이 9,000개의 잘라낸 세부 질문에 대한 표적화된 RL 실행이 보여야 할 모습이다.

무엇을 알 수 있는지, 무엇이 주장되는지, 그리고 무엇이 단순히 확인되지 않았는지

오늘날 저장소에서 누구의 말을 그대로 믿지 않고도 알 수 있는 것들: 아키텍처는 설정이 공개되어 있고, 32개 레이어, 은닉 크기 4,096, 중간 크기 12,288, 최대 위치 262,144의 Qwen3.5-9B 텍스트 트렁크가 비전 타워로 감싸져 있음을 보여 주므로; 학습 데이터는 9,000개 레코드의 Parquet와 원본 이미지가 데이터셋으로 제공되므로; 방법은 프롬프트가 논문 부록에 있으므로; 평가는 평가기, 어노테이션, 이미지가 모두 다운로드 가능하므로.

주장된 것일 뿐 확인되지는 않음: 위의 모든 벤치마크 점수. 논문은 이를 공개된 하네스에서 보고하므로, 대부분의 벤더 표보다 검증하기 쉽습니다 — 직접 다시 실행해 볼 수 있죠 — 하지만 저자 명단 밖의 누구도 아직 그렇게 하지 않았고, 어떤 독립 연구소도 ZoomGain-9B 결과를 발표하지 않았습니다.

전혀 확인되지 않았으며, 솔직히 말할 가치가 있습니다:

• 체크포인트 라이선스. 코드는 Apache 2.0이며 카드에도 그렇게 명시되어 있습니다. 그러나 카드는 모델 및 데이터셋 조건을 "각 데이터셋과 체크포인트의 조건에 대해서는 Hugging Face 카드를 참조하세요"라며 Hugging Face 카드로 위임하고 있고, 체크포인트 저장소의 Hub 메타데이터에는 라이선스 태그가 없습니다. 이는 출시 전에 파일을 직접 읽어 메워야 할 공백이지, 믿고 의지할 수 있는 약속이 아닙니다.

• 컨텍스트 길이. 모델 카드에는 명시된 내용이 없습니다. 구성의 최대 262,144개 위치는 Qwen3.5-9B 트렁크에서 상속된 것으로, 이는 사후 훈련된 체크포인트에서 검증된 특성과 같은 것이 아니며, 논문의 모든 평가는 사고 기능을 비활성화한 단일 이미지로 이루어집니다.

• 일반적인 어시스턴트 동작. 릴리스 테스트에는 채팅, 도구 호출, 장문 생성 또는 멀티턴 사용에 관한 내용이 없습니다. 이 모델은 사진에 관한 질문에 답하도록 훈련되었으며, 그것이 근거가 뒷받침하는 유일한 기능입니다.

• 모든 호스트. 해당 저장소에 대한 Hub의 프로바이더 매핑이 비어 있습니다. 나열된 벤더 API도 타사 엔드포인트도 없으므로, 현재 "사용해 보기"는 "18.82 GB 다운로드"를 의미합니다.

원하시면 이번 주에 실행할게요.

GGUF 경로는 저렴한 편입니다: 5.63GB Q4_K_M 빌드에 0.52GB mmproj 프로젝터를 더하거나, Q8_0에서 9.53GB, F16에서 17.92GB입니다. 이미지 입력에는 두 파일이 모두 필요합니다 — 프로젝터는 선택 사항이 아니며, Qwen3.5 멀티모달 지원이 포함된 llama.cpp 빌드가 전제 조건입니다. 참조 경로는 더 무겁지만 문서화가 더 잘 되어 있습니다: transformers 5.7.0과 함께 vLLM 0.19.1, 정확히 저자들이 평가한 버전이며, 최소 24GB 카드와 그 이상의 넉넉한 여유 공간을 요구하는 BF16 체크포인트를 사용합니다.

평가 프로토콜에도 가중치만큼이나 예산을 배정할 가치가 있습니다. 저자들은 사고(thinking)를 비활성화한 상태에서 temperature 0으로 실행하며, 속성 질문은 선택한 옵션에 대한 정확 일치로, 계산은 예측된 정수에 대한 정확 일치로, OCR은 0.7 하한을 적용한 ANLS로 채점합니다. 사고를 켠 상태로 또는 다른 프롬프트 템플릿으로 평가한다면, 저자들이 보고하지 않은 것을 측정하는 것이므로 그들의 수치가 그대로 이전될 것이라고 기대해서는 안 됩니다.

OrcaRouter는 ZoomGain-9B를 호스팅하지 않으며, 이 글도 그렇지 않은 척하지 않겠습니다. 우리에게 있는 것은 공급업체 정가 그대로, 추가 마크업 없이 200개 이상의 모델에 걸쳐 사용할 수 있는 키 하나인데, 이것이 여기서 특정하고 실용적인 이유로 중요합니다. 파이프라인의 오류가 미세 세부 오류인지 확인하는 가장 빠른 방법은 동일한 이미지를 호스팅된 비전 모델에 실행해 실패 사례를 비교하는 것입니다. 저희 카탈로그에 있는 Qwen3-VL-8B-Instruct는 131K 컨텍스트에서 입력 토큰 100만 개당 $0.18, 출력 토큰 100만 개당 $0.70이고, 이미지와 비디오를 입력받으며, 크롭 마이닝 질문으로 학습된 모델에는 맞먹지 못하겠지만, GPU를 살 가치가 있는지는 한나절 안에 알려줄 것입니다.

이 이야기를 바꿀 것은 무엇일까

영향력이 커지는 순서로 네 가지입니다. inclusionAI의 발표는 저장소를 살펴보는 일을 출시로 바꿔 놓고, 아마 라이선스 명확화와 함께 나올 것입니다. 체크포인트 라이선스 태그는 현재 상업적 도입을 막고 있는 한 가지 질문을 해결할 것입니다. 호스팅 엔드포인트는 하드웨어를 갖고 있지 않은 모든 사람에게 18.82 GB 장벽을 없앨 것입니다. 그리고 독립적 평가는 실제로 판도를 바꿀 항목입니다. 9B 모델이 HR-Bench 4K에서 90.25에 도달한다는 주장은 제2의 연구실 검증을 견디거나 조용히 사라질 종류의 수치입니다.

그때까지 솔직한 요약은 ZoomGain-9B가 이해 가능한 방법론, 재현 가능한 하네스, 이례적으로 정직한 held-in/held-out 분할을 갖춘 잘 문서화된 연구 릴리스이며, 그 어느 부분도 제3자가 뒷받침하지 않는다는 것입니다. 그것은 대부분의 조용한 출시가 제공하는 것보다 많고, 제품보다는 적습니다.