ZwZ2-27B vs Qwen3.8-27B: 동일한 골격, 전혀 다른 두 가지 승부수

이상한 점은ZwZ2-27B와 Qwen3.8-27B가 바로 같은 기계라는 것입니다. 두 모델의 구성 파일을 모두 열어 보면 숫자가 줄마다 정확히 일치합니다: 64개 레이어, 5,120 히든 크기, 차원 256에서 4개의 KV 헤드에 대응하는 24개의 쿼리 헤드, 17,408 피드포워드 폭, 248,320 토큰 어휘, 262,144 위치, 그리고 1,152 히든 크기의 27층 비전 타워입니다. 심지어 같은 아키텍처 클래스를 선언합니다. 이들을 구분하는 것은 폭이나 깊이가 아닙니다. 각 연구소가 그 몸체에 이후에 무엇을 했느냐이며, 지금까지 어느 선택이 이겼는지 알아보기 위해 이들을 서로 맞붙여 본 사람은 없습니다.

그 부재는 가장 먼저 분명히 말해야 할 점이다. inclusionAI가 공개한 ZwZ2-27B 평가는 이를 GPT-5.6-Luna, GLM-5.3-Flash, DeepSeek-V4.1-Flash와 비교한다. 여기에는 Qwen3.8-27B가 포함되지 않으며, ZwZ2가 기반으로 삼은 모델보다 더 새로운 Qwen 모델도 포함되지 않는다. Qwen 역시 ZwZ2를 전혀 언급한 적이 없다. 아래의 모든 수치는 한 연구소가 스스로를 측정한 것이거나 Qwen이 스스로를 측정한 것이며, 제3자가 두 모델을 하나의 하네스에 넣어 평가한 적은 없다.

동일한 구조로, 한 줄씩

이 둘이 얼마나 가까운지 정확히 짚고 넘어갈 가치가 있습니다. 왜냐하면 흔한 “27B 대 27B”라는 프레이밍은 이를 실제보다 과소평가하기 때문입니다. 이들은 우연히 비슷한 규모에 도달한 두 모델이 아니라, 서로 교체 가능한 하나의 아키텍처 위에서 수행된 두 번의 포스트트레이닝 실행입니다.

• 매개변수 — 둘 다 27B이고 덴스(dense)이며, 두 구성 모두 전문가 혼합(mixture-of-experts) 라우팅이 없습니다.

• 깊이와 너비 — 64개 레이어, 5,120 히든 크기, 17,408 중간 크기이며, 두 파일 모두 동일합니다.

• 어텐션 — 쿼리 헤드 24개, KV 헤드 4개, 헤드 차원 256, 부분 로터리 계수 0.25, 로터리 베이스 10,000,000.

• 레이어 스케줄 — 3:1 선형 대 전체 어텐션 패턴, 16회 반복, 둘 모두에 적용.

• 어휘 및 컨텍스트 — 두 가지 모두 248,320개 토큰과 262,144개 네이티브 위치.

• 비전 타워 — 27개 레이어, 1,152 히든 크기, 5,120으로 프로젝션, 둘 다 동일.

실질적인 결과는 하드웨어 문제가 둘 모두에게 동일한 문제라는 것입니다. bf16 기준 약 54GB의 가중치로, 80GB 카드 한 장이면 넉넉하고 40GB 카드 두 장이면 빠듯합니다. 둘 다 노트북에서 돌릴 모델이 아니며, 둘 다 자체 저장소에 양자화된 릴리스가 없습니다 — Qwen의 생태계가 그런 것들을 만들어 내고, ZwZ2는 생태계가 거의 전혀 없습니다.

The one line that differs, and two defaults that matter more

구조적으로 정확히 하나의 차이점이 있습니다: Qwen3.8-27B는 mtp_num_hidden_layers를 1로 설정하여, Qwen이 여러 단계로 학습했다고 말하는 다중 토큰 예측 헤드를 유지합니다. ZwZ2-27B는 이를 0으로 설정합니다. inclusionAI 모델은 추측 디코딩 헤드가 제거되어 있는데, 이는 학습 파이프라인에서 이를 사용하지 않으면서 더 작고 단순한 아티팩트를 출시하려 할 때 하는 일입니다. 이는 설계상의 선언이 아니라 관리상의 차이입니다.

두 모델이 실제로 갈라서는 지점은 기본값이며, 이 기본값은 어떤 설정 값보다도 여러분의 통합 방식을 더 크게 좌우할 것입니다.

생각 중. Qwen3.8-27B는 기본적으로 답변하기 전에 사고하며, 세 가지 노력 수준을 제공하고 기본값은 xhigh이며, preserve_thinking을 통해 이전 턴의 추론 컨텍스트를 유지할 수 있습니다. ZwZ2-27B는 비사고 모드로 문서화되어 있습니다. 빠른 시작에서는 enable_thinking=False를 전달하고, 채팅 템플릿은 모델에게 최종 답변을 <answer> 태그 안에 배치하도록 요청하며, 전체 25개 벤치마크 평가가 그 방식으로 실행되었습니다. 파이프라인이 단일 패스 응답을 기대한다면 ZwZ2-27B는 별도 설정 없이 바로 그 용도에 맞게 설계되어 있습니다. 모델이 50단계 작업 전반에서 숙고하기를 원한다면 Qwen3.8-27B에는 이를 위한 장치가 있으며 ZwZ2-27B의 카드에는 그런 기능을 내세우지 않습니다.

모달리티. Qwen3.8-27B는 이미지 및 비디오 이해를 위해 문서화되어 있으며, 비디오 샘플링은 서빙 계층을 통해 제어됩니다. ZwZ2-27B의 구성에는 video_token_id가 포함되어 있지만, 모델 카드와 평가는 전적으로 정지 이미지 및 영역 비교에 관한 것입니다. inclusionAI 측에서는 비디오를 아직 입증되지 않은 것으로 간주하십시오.

각 측이 실제로 입증할 수 있는 것

두 공급업체 모두 평가 결과를 공개했습니다. 두 평가는 비교할 수 없는데, 그 이유는 마케팅이 아니라 두 제품군이 서로 다른 것을 측정하기 때문입니다.

ZwZ2-27B의 주장은 inclusionAI가 채점한 6개 지각 영역의 25개 벤치마크에 기반하며, 자체 베이스 점수를 55.52에서 60.51로 끌어올렸다. 절대 수치가 가장 높은 영역은 세밀한 지각(영역 평균 67.57)과 장문맥 이해(68.77)이고, 가장 낮은 영역은 Chartography 12.00과 AgentVista 18.18이다.

Qwen3.8-27B이 공개한 표는 비전 섹션이 포함된 텍스트 및 에이전트 제품군이며, Qwen은 이를 자사의 이전 모델과 비교해 평가했습니다. Qwen3.8-27B와 Qwen3.6-27B 사이의 일부 격차는 매우 큽니다:

• 에이전트형 터미널 코딩 — Terminal Bench 2.1에서 73.0, Qwen3.6-27B는 63.4를 기록했습니다.

• 소프트웨어 엔지니어링 — QwenSWEBench에서 79.0 대 49.3, DeepSWE 1.1에서 42.2 대 13.3.

• 컴퓨터 사용 — OSWorld-Verified 63.9 대비 84.3, WebArena-Verified 48.8 대비 64.8.

• 모바일 사용 — AndroidWorld에서 81.9 대 70.3.

• 멀티모달 소프트웨어 엔지니어링 — SWE-MM 38.6; RecreationBench 47.1 대 29.8.

• 과학적 추론 — GPQA Diamond는 89.2 대 87.8, HLE는 30.8 대 24.0입니다.

그것은 Qwen 자체의 하네스에서 나온 Qwen 자체의 수치이며, 아주 단순한 사실을 말해 줍니다. 3.8 세대는 3.6 대비 작은 진전이 아닙니다. 에이전트 기반 소프트웨어 작업에서 개선 폭은 한 자릿수가 아니라 수십 포인트 단위로 측정됩니다.

왜 3.6 대비 +4.99는 3.8 정도의 숫자가 아닌가

이것이 이 비교의 함정이며, 빠지기 쉽습니다. ZwZ2-27B의 대표 수치상 이득은 Qwen3.6-27B 대비 +4.99입니다. Qwen3.8-27B는 Qwen의 스위트에서 Qwen3.6-27B보다 훨씬 강력한 모델입니다. ZwZ2의 이득이 격차를 좁힌다는 그럴듯한 추론은 성립하지 않으며, 그것을 확인할 수 없는 기계적인 이유가 있습니다.

서로 다른 실행 간에는 값을 빼서 비교할 수 없다. ZwZ2-27B의 60.51은 inclusionAI가 선택한 25개 지각 벤치마크 전반의 정확도 평균이고, Qwen3.8-27B의 수치는 Qwen이 선택한 다른 벤치마크 세트에서의 점수다. 한 스위트에서 60.51점을 받은 모델과 완전히 다른 과제에서 84.3점을 받은 모델은 상대적 순서에 대해 아무것도 알려주지 않으며, 그 숫자들을 한 열에 넣는 기사는 아무도 측정하지 않은 순위를 만들어내는 것이다.

말할 수 있는 것은 더 좁지만 여전히 유용하다. ZwZ2-27B는 Qwen이 이후 대체한 모델에 대한 표적 개입이며, 이 개입의 문서화된 크기 — 지각 평균에서 5포인트 — 는 Qwen 자체의 비전 작업에서 나타난 여러 3.6~3.8 델타와 같은 자릿수이고, 에이전트 작업에서의 델타보다 훨씬 작다. 이 특화가 지역 수준 지각에서 세대 간 격차를 해소하는지 여부는 바로 공유 하네스가 필요한 사안이다. 아무도 그것을 구축하지 않았다.

카드의 참조 열은 왜 답이 존재할 수 있는지를 암시한다. ZwZ2-27B는 60.51점을 기록했으며, inclusionAI는 GLM-5.3-Flash를 57.24, DeepSeek-V4.1-Flash를 55.47로 측정했다 — 지역 비교를 중심으로 구성된 스위트에서 ZwZ2-27B가 앞선 호스팅 모델들이었고, 카드는 고급 모델들의 이미지 해상도가 해당 서빙 플랫폼에 의해 제한되었다고 언급한다. 이는 모델에 못지않게 스위트에 관한 결과다. 이는 Qwen3.8-27B에 대한 증거가 아니다. 그 모델은 애초에 그 자리에 없었다.

대부분의 팀에서는 벤치마크보다 라이선스가 먼저 판가름합니다.

Qwen3.8-27B는 모델 카드의 프런트 매터에 Apache-2.0으로 선언되어 있으며, 다운로드 수는 수백만 건에 달하고 어댑터, 파인튜닝, 양자화로 구성된 생태계가 이를 둘러싸고 있다. ZwZ2-27B는 라이선스를 전혀 명시하지 않는다. 그 카드는 “공개된 가중치에 동봉된 라이선스 및 적용 가능한 백본 라이선스”를 가리키는데, 가중치에 라이선스가 없을 때 이는 순환 논리이다.

연구팀에게 그것은 각주에 불과하다. 모델을 제품 뒤에 두는 기업에게 그것은 결정적인 기준선이며, 결코 근소한 차이가 아니다. 백본이 Apache-2.0이라고 해서 자체 조건이 명시되지 않은 파생물에 자동으로 라이선스가 부여되는 것은 아니다 — 이는 법률 자문이 필요한 문제이며, inclusionAI가 답하기 전까지 안전한 해석은 ZwZ2-27B가 상업적 배포에 대해 승인되지 않았다는 것이다. 논문의 부재는 이를 더 악화시킨다: 카드에는 여전히 문자 그대로의 자리표시자 PAPER_URL이 포함되어 있어, 방법 설명은 README와 데이터셋 스키마일 뿐 그 이상은 아니다.

오늘 전화할 수 있는 것

Qwen3.8-27B은 지금 바로 OrcaRouter에서 라우팅할 수 있으며, 나머지 카탈로그와 동일한 하나의 키로 마크업 없이 제공업체 정가에 이용할 수 있습니다. 따라서 Qwen이 가격을 변경하면 재가격 책정 주기를 거친 뒤가 아니라 같은 날 바로 여기에 반영됩니다. 입력 토큰 100만 개당 $0.33, 출력 토큰 100만 개당 $2.40에 책정되어 있고, 컨텍스트는 262,144 토큰까지 제공됩니다. 이는 보통 더 저렴한 쪽이 실험에서 이기는 이 같은 비교에서 중요한 의미가 있습니다. 다운로드나 GPU 없이 오늘 오후에 Qwen3.8-27B를 자체 워크로드와 비교해 벤치마크할 수 있기 때문입니다.

ZwZ2-27B는 우리 카탈로그에 없으며, 그 점을 더 완곡하게 표현하는 것은 정직하지 않습니다. 이는 라이선스도 서빙 레시피도 없는 54 GB 셀프 호스팅 아티팩트이며, 이를 평가하는 유일한 방법은 직접 실행해 보는 것입니다. 나중에 이것이 당신의 스택에서 자리를 얻게 된다면, 두 모델이 만나는 지점은 라우팅 계층일 것입니다 — 하나의 엔드포인트, 자동 페일오버, 그리고 재작성이 아니라 지역 비교 트래픽은 특화 모델로, 나머지는 범용 모델로 보내는 정책입니다.

워크로드 기준으로 어느 것?

Qwen3.8-27B는 거의 모든 작업에서 정당화할 수 있는 기본 선택입니다. 에이전틱 코딩, 장기적 도구 사용, 컴퓨터 및 브라우저 제어, 일반 추론, 비디오 — 바로 이 영역에서 공개된 성능 향상이 가장 크며, 이 두 모델 중 오늘날 합법적으로 출시하고 실질적으로 배포할 수 있는 유일한 모델입니다.

ZwZ2-27B는 더 좁은 사례에 해당합니다. 이미 Qwen3.6-27B급 파이프라인을 운영하고 있고, 병목이 문서, 차트 또는 인터페이스 스크린샷의 세밀한 디테일에 있으며, 추론 루프에 줌 앤 크롭 도구 호출을 추가한다는 발상이 매력적이지 않은 경우입니다. 바로 그것이 inclusionAI가 해결한다고 주장하는 문제입니다 — 훈련 시점에 표시된 영역 전반의 비교를 학습하여 추론 시에는 도구가 필요 없도록 하는 것입니다. 기본 모델이 자체 하네스의 대조 조건이라면, ZwZ2-27B를 이에 대해 로컬에서 테스트하는 것은 저렴하고 잘 정식화된 실험입니다.

정당화할 수 없는 것은 공급업체의 60.51을 일반적인 역량 점수로 취급하거나, 마치 둘이 같은 척도에 놓인 것처럼 그것을 어떤 Qwen3.8 수치와 비교하는 것이다. 둘은 같은 척도에 있지 않으며, 그것을 판가름해 줄 모델 — 이해관계가 없는 누군가가 운영하는 공유 하네스 — 은 ZwZ2-27B 자체가 그랬던 것처럼 아직 발표되지 않았다.

이 비교가 정말로 제기하는 세 가지 질문

ZwZ2-27B는 단순히 추가 학습을 거친 Qwen3.6-27B인가요?구조적으로는 그렇습니다. 레이어 스케줄과 비전 타워까지 동일하며, 멀티 토큰 예측 헤드가 제거되었습니다. 동작 측면에서는 inclusionAI가 README 수준으로만 설명한 포스트트레이닝 레시피에 달려 있습니다. 3~7개의 영역 그룹, 특권 크롭에서 생성된 질문, 교차 모델 일치 및 한 영역 제외 테스트로 필터링한 뒤, 감독 미세 조정 단계 없이 약 20,000개 예시로 GRPO를 수행합니다. 이는 방법에 대한 설명이지 재현이 아닙니다.

ZwZ2-27B의 향상이 인지 과제에서 Qwen3.8-27B와 맞붙어도 유지될까? 알 수 없으며, 현재 기록만으로는 알 수 없다. Qwen3.8-27B의 비전 섹션은 영역 수준 비교보다는 컴퓨터 사용, 브라우저 사용, 멀티모달 소프트웨어 엔지니어링 쪽에 가중치가 실려 있어, Qwen 자체의 표조차도 ZwZ2의 주장이 제기하는 질문에 답하지 못한다.

사고 모드 기본값이 비교 결과를 바꾸나요? 예, 벤치마크 격차가 시사하는 것보다 더 많이 바꿉니다. ZwZ2-27B는 단일 패스, 비사고 모델로 평가·문서화되었고, Qwen3.8-27B는 조정 가능한 추론 노력도를 중심으로 설계되었습니다. 지연에 민감한 인식 호출에는 ZwZ2-27B의 설계가 유리하고, 숙고가 필요한 작업에는 Qwen3.8-27B의 설계가 유리합니다. 다만 두 모델은 서로 다른 생성 설정에서 측정되었으므로, 벤치마크 수치에도 그 차이가 반영되어 있습니다.