Titelkaart voor het ZoomGain-4B-artikel: de kop ZoomGain-4B, een ondertitel met de tekst inclusionAI publiceerde de gewichten op 11 november 2026 en kondigde niets aan, en drie chips met de tekst 4.54B parameters, Vision-language en Geen gehoste API.
Engineering & Research

ZoomGain-4B uitgebracht op 11 november zonder enige aankondiging

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

De eerste commit in inclusionAI/ZoomGain is gestempeld op 2026-11-09 om 02:13 UTC en het bericht luidt "Release ZoomGain init." De gewichten voor ZoomGain-4B verschenen op Hugging Face op 2026-11-10 om 11:38 UTC. De arXiv-vermelding, de evaluatieset en het reinforcement-learning-corpus dat het model heeft voortgebracht, zijn allemaal gedateerd op 2026-11-11, dezelfde dag waarop de modelkaart voor het laatst is aangepast. Wat nergens is verschenen, voor zover ik kon vinden, is een lanceerbericht. Er is geen nieuwsbericht op de site van inclusionAI, geen aankondiging op het Hugging Face-profiel van de organisatie buiten de repository zelf, geen gehost endpoint en geen enkele berichtgeving van wie dan ook. ZoomGain-4B is een visie-taalmodel dat is gebouwd met reinforcement learning bovenop Qwen3.5-4B, en sinds vanmorgen zijn de enigen die weten dat het bestaat, degenen die toevallig naar een repository-overzicht hebben gekeken. Dit is een artikel dat vertelt wat de repo zegt: elk getal hieronder is ofwel een tijdstempel die je zelf kunt verifiëren, ofwel een getal dat de auteurs op hun eigen kaart hebben gezet, en de plekken waar dat niet genoeg is, zijn als zodanig gemarkeerd.

Voor een lezer die eerst de vorm wil zien voordat de details komen: het model is een multimodaal checkpoint met 4,54 miljard parameters dat meerkeuzevragen beantwoordt over fijn visueel detail — kleine tekst in een foto, een aantal objecten in een rommelige scène, een attribuut dat pas leesbaar is als je inzoomt. De bewering van de auteurs is dat een visionmodel dat naar een volledige afbeelding kijkt details mist die het perfect kan lezen zodra dezelfde regio is ingezoomd, en dat deze kloof kan worden omgezet in trainingssignaal. Vervolgens bouwden ze met dezelfde machinerie een benchmark van 1.000 vragen, en op die benchmark scoort de getrainde 4B 55,81 tegenover 30,03 voor het model waarop het is getraind. Die twee getallen vormen de hele onderbouwing, en ze gaan gepaard met een voorbehoud dat het paper zelf noemt: de benchmark is gebouwd met dezelfde pipeline als de trainingsdata, wat het paper "held-in" noemt.

Wat er is geland, en wat de tijdstempels zeggen

De release is ongewoon compleet voor iets dat niemand heeft aangekondigd. Zes artefacten, allemaal binnen een venster van 48 uur:

• Het artikel. "ZoomGain: Mining Global-to-Zoom Perception Gaps for Fine-Grained Visual Supervision," arXiv 2611.14076, ingediend op 10 november 2026, door Haozhan Shen, Liangbo He, Jun Lan, Huijia Zhu, Weiqiang Wang, Tiancheng Zhao en Jianwei Yin. Zeven auteurs, cs.CV en cs.AI.

• De 4B-checkpoint. inclusionAI/ZoomGain-4B, safetensors in BF16. De bestandsmetadata vermelden 4.539.265.536 parameters. Apache 2.0 voor de code; de modelkaart verwijst voor de checkpoint- en datasetvoorwaarden naar hun eigen repositories.

• Het 9B-checkpoint. inclusionAI/ZoomGain-9B, 9.409.813.744 parameters, vier minuten na zijn kleinere broertje aangemaakt.

• Gequantiseerde builds. ZoomGain-4B-GGUF verscheen op 2026-11-11 om 03:09 UTC met drie precisies plus bijpassende vision-projectors: Q4_K_M met 2,71 GB, Q8_0 met 4,48 GB, F16 met 8,42 GB, elk met een mmproj-bestand voor de beeldencoder. De 9B GGUF volgde.

• De benchmark. inclusionAI/ZoomGainBench, 1.000 vragen over 941 afbeeldingen, Engelse en Chinese tekst voor elk item, plus een referentieantwoord, een scoringsregel en een boundingbox voor bewijs in pixelcoördinaten.

• De trainingsdata. inclusionAI/ZoomGain-RL-Data, 9.000 records en 7.713 bronafbeeldingen in Parquet, met de beloningsmetadata die het trainingsscript verwacht.

De stilte is geen mysterie en ze is niet onheilspellend. Het is hoe een interne release van een onderzoeksgroep eruitziet wanneer de paper arXiv haalt voordat iemand de blogpost schrijft. Alle signalen zijn er: drie commits op de ochtend van 11 november heten allemaal "update readme" en liggen veertien minuten uit elkaar, de GitHub-repository heeft drie sterren en geen ingevuld beschrijvingsveld, beide checkpoint-repositories tonen nul downloads en nul likes, en de 4B-modelpagina bevat een waarschuwing over lege of ontbrekende YAML-metadata. Niets daarvan is bewijs over het model. Het is bewijs over de uitrol.

Screenshot of the inclusionAI/ZoomGain-4B model card on Hugging Face, captured 11 November 2026, showing the repository header, the parameter metadata and the opening of the model card text.

De methode, in drie stappen

Het interessante aan ZoomGain is niet het model, maar hoe de vragen zijn gemaakt. De pijplijn bestaat uit drie fasen en alleen de eerste is conventioneel.

• Baken het doel af. Meerdere modellen lokaliseren onafhankelijk een regio die in de volledige scène wordt beschreven. Waar ze overeenkomen, wordt die overeenstemming beschouwd als de uitsnede die het waard is om te behouden. Door onenigheid als filter te gebruiken, bepaalt de blinde vlek van geen enkel afzonderlijk model de doelverzameling.

• Extraheer bewijs. Bijschriften van dezelfde regio worden op twee zoomniveaus vergeleken. Wat de uitsnede onthult en de volledige afbeelding niet, wordt omgezet in een vraag over de volledige afbeelding. Dit is het mechanisme dat de "global-to-zoom"-kloof veroorzaakt waarnaar de titel verwijst: de vraag is te beantwoorden, maar alleen als het model iets aan de rand van zijn waarnemingsvermogen weet te onderscheiden.

• Verifiëren en distractoren genereren. Antwoorden worden gecontroleerd aan de hand van de uitsnede, dubbelzinnige vragen worden verwijderd, vragen die helemaal zonder de afbeelding kunnen worden beantwoord worden verwijderd, en meerkeuze-distractoren worden gegenereerd. De ablatie zegt dat deze laatste stap echt werk verricht — het verwijderen van speciale distractoren kost 8,96 punten op de held-in-benchmark, de grootste afzonderlijke daling die het artikel rapporteert.

De training zelf is niet exotisch. GRPO via het meegeleverde EasyR1-framework, één epoch, batchgrootte 64, acht rollouts per vraag, wat neerkomt op 140 stappen op 9.000 records. De repository bevat een smoke test die één stap uitvoert, inclusief rollout, reward en checkpoint-opslag, en volledige launchers voor beide groottes. PyTorch 2.10, FlashAttention 2.8.3, vLLM 0.19.1 en transformers 5.7.0 — allemaal vastgezet, en dat is het verschil tussen een repository die reproduceert en een die slechts beschrijft.

Het getal dat ertoe doet, en het voorbehoud dat het verkleint

ZoomGainBench is bewust moeilijk. Het sterkste model erop is GPT-5.6-Sol met 61,08 overall, en dat is 61,08 van de 100 op meerkeuzevragen over foto's. Claude-Opus-5 staat op 59,86, Gemini-3.6-Flash op 59,41. Het beste open algemene visiemodel in de tabel, Qwen3.8-Flash-Next met 125 miljard parameters, haalt 55,05. Een model met 4 miljard parameters, getraind op 9.000 voorbeelden, komt uit op 55,81 — boven de generalist van 125B, boven Kimi-K3 met 2,8 biljoen parameters, boven GLM-5.3-Flash met 320 miljard.

Als dat cijfer een onafhankelijke testomgeving had doorstaan, zou het het verhaal van de maand zijn. Dat is nog niet het geval, om een reden waar het artikel openlijk voor uitkomt. ZoomGainBench is gebouwd met dezelfde pijplijn die de trainingsdata heeft geproduceerd, en de eigen ablatietabel van het artikel vermeldt het onder een kolom met het opschrift "Held-in". De vragen zijn niet de trainingsvragen, maar ze zijn via dezelfde machinerie uit dezelfde distributie getrokken. Een model dat op die distributie is fine-tuned, heeft een voordeel dat een model dat zero-shot wordt geëvalueerd niet heeft, en de grootte van dat voordeel is precies wat niemand buiten inclusionAI vandaag kan meten.

Het achtergehouden bewijs is minder spectaculair en overtuigender. Het artikel rapporteert een gemiddelde over tien achtergehouden benchmarks: 54,20 voor de niet-getrainde Qwen3.5-4B, 60,96 voor de met ZoomGain getrainde 4B. Een gemiddelde winst van 6,76 punten op benchmarks die de training nooit heeft gezien, is een echt resultaat. Het is alleen niet dezelfde claim als het verslaan van een model met 2,8 biljoen parameters.

Het is ook vermeldenswaard dat de winst niet uniform is. Als we de 4B vergelijken met zijn eigen basis in de hoofdtabel van het artikel:

• Grote verbeteringen. Visual Probe 43,30 naar 57,28. O3-Bench 54,20 naar 63,19. Zoom Bench 48,88 naar 59,88. HR-Bench 4K 81,25 naar 87,25. BabyVision 14,69 naar 21,13.

• Matige verbeteringen. MME-RealWorld-Lite 57,89 tot 61,59. MMStar 66,80 tot 72,53. HR-Bench 8K 77,63 tot 83,88. MMVP 57,33 tot 61,33.

• Eén regressie.TreeBench-achtige "Tree" leest 49,38 vóór training en 49,14 erna. Een daling van 0,24 punt, ruim binnen de ruis, maar het staat in de tabel in plaats van erbuiten, wat een goed teken is over de tabel.

Single-column scoreboard card titled ZoomGain-4B: what the repository says, with six rows: Parameters 4.54B, Parent model Qwen3.5-4B, ZoomGainBench 55.81 held-in, ten held-out benchmarks 60.96 versus 54.20, Hosted API none, Announcement none found, plus a footer noting the figures are vendor-reported and unaudited.

Wat is werkelijk niet bevestigd?

Vier dingen, en die zijn belangrijker dan de gebruikelijke disclaimer.

Er bestaat geen onafhankelijke evaluatie. Geen enkel cijfer van een derde partij. De 55,81, het gemiddelde van 60,96, de 90,25 die de 9B op HR-Bench 4K haalt — allemaal zijn het de auteurs die hun eigen model op hun eigen testomgeving meten. Dat is normaal voor een paper en het is geen bewijs dat er iets mis is. Het betekent wel dat de cijfers als beweringen moeten worden gelezen.

Geen gehost endpoint. Geen van beide checkpoints vermeldt een inferentieprovider. Er is geen API, geen playground, geen prijslijst. Als je dit model de komende maand wilt gebruiken, download je 8,42 GB en draai je het zelf.

De naam komt op drie plekken niet overeen met het aantal parameters. Het model heet 4B, de GGUF-kaart zegt 4B, de repository-badge zegt 5B, en het werkelijke safetensors-totaal is 4,54B. Het extra half miljard is de vision-encoder en projector, wat de gebruikelijke verklaring is — maar een kaart die op dag één één getal niet consistent kan houden, is niet proefgelezen, en dat is een redelijke overweging wanneer je besluit hoeveel van de rest je wilt vertrouwen.

Geen intentieverklaring. Komt er een 30B? Een gehoste versie? Een v2 met een held-out benchmark? Niets in de repository zegt daarover. De updatelog van de README somt drie regels op, allemaal gedateerd op 2026.11.11, die allemaal beschrijven wat er is uitgebracht in plaats van wat er nu komt.

Screenshot of the inclusionAI/ZoomGain GitHub repository, captured 11 November 2026, showing the repository name, description, commit history and file listing at the top level.

Het vandaag runnen zonder leverancier

Het GGUF-pad is het praktische pad en het kent een harde voorwaarde: je hebt een llama.cpp-build nodig met Qwen3.5 multimodale ondersteuning. De kaart vermeldt expliciet dat het taalmodel en de mmproj-projector afzonderlijke bestanden zijn en dat beeldinvoer beide vereist. Het CLI-voorbeeld geeft -m door voor het model, --mmproj voor de projector, --image voor de afbeelding en draait op temperatuur 0 met denken uitgeschakeld, wat ook de standaardinstelling van de evaluatieharnas is. llama-server werkt op dezelfde manier op poort 8080. Bij Q4_K_M heb je 2,71 GB taalmodel plus een projector, wat comfortabel op een laptop past; bij F16 zit je op 8,42 GB plus projector, wat een workstation of een enkele middenklasse-GPU vereist.

Voor alles op schaal is vLLM 0.19.1 met transformers 5.7.0 de ondersteunde stack, en het eigen evaluatiescript van de repository verwacht een MODEL_PATH, een GPUS lijst en een LANGUAGE schakelaar die alleen Engels, alleen Chinees of beide voor 2.000 taken uitvoert. Dat is genoeg scaffolding om de gerapporteerde cijfers op je eigen hardware te reproduceren, wat meer is dan de meeste stille releases bieden.

Als je liever geen GPU opzet om erachter te komen of de aanpak überhaupt iets waard is, is de eerlijke tussenstap om de crop-and-ask-loop te prototypen tegen een gehost visionmodel dat je vandaag kunt aanroepen. Onze catalogus bevat Qwen3-VL-8B voor $0,18 in en $0,70 out per miljoen tokens, en de Qwen3.5-lijn vanaf qwen3.5-35b-a3b voor $0,057 en $0,459 en hoger — één sleutel, geen contract per leverancier, en een routeringsregel die uitwijkt naar een tweede model als het eerste vastloopt. ZoomGain-4B zelf staat niet in onze catalogus en dat zou ik ook niet willen doen voorkomen; het doel van de gehoste omweg is vaststellen of vragen over fijne details nu precies datgene zijn waar je product de fout ingaat, voordat je een week besteedt aan een zelfgehost 4B-model dat ze alleen beter beantwoordt dan zijn eigen moedermodel.

Wat zou dit van een curiositeit in een beslissing veranderen?

Drie signalen, in volgorde van hoeveel ze je zouden vertellen. Ten eerste: een onafhankelijke run van ZoomGainBench door iemand die geen belang heeft bij de pipeline — de benchmark is openbaar, de harness staat in de repository, en de drempel om mee te doen is een GPU en een middag, dus dit gebeurt waarschijnlijk vóór de andere. Ten tweede: een held-out uitbreiding: als de auteurs de voor de hand liggende tegenwerping beantwoorden door te evalueren op een benchmark die ze niet zelf hebben gebouwd, is 55.81 niet langer een getal over hun eigen testset. Ten derde: een gehoste deployment, die je zou vertellen dat de gewichten daadwerkelijk serveerbaar zijn met acceptabele latentie in plaats van slechts downloadbaar.

Totdat een van die dingen er is, is de juiste beschrijving van ZoomGain-4B niet "een klein visionmodel verslaat de frontier". Het is: een onderzoeksgroep publiceerde een trainingsrecept dat een 4B-visionmodel gemiddeld 6,76 punten omhoog tilt op tien benchmarks waarop het niet is getraind, en publiceerde tegelijkertijd een benchmark die laat zien dat dezelfde truc een veel groter getal oplevert bij vragen die op dezelfde manier zijn opgebouwd. De eerste helft is de bevinding. De tweede helft is de marketing, en die kwam zonder persbericht, wat op zijn minst een verfrissende volgorde is voor die twee dingen om in binnen te komen.