ZoomGain-9B uitgebracht zonder aankondiging: wat de repository werkelijk zegt

Het paper verscheen op 10 november 2026 op arXiv. De GitHub-repository werd een dag eerder aangemaakt, op 9 november, en de eerste commit ervan heet "Release ZoomGain init". De weights verschenen op 10 november om 11:42 UTC op Hugging Face, gevolgd door een GGUF-repository op 11 november om 03:16. Er is geen launchblogpost, geen aankondiging van de leverancier, geen gehost endpoint en geen licentietag op de checkpointrepository zelf. Dat is het volledige publieke record voor ZoomGain-9B, een visie-taalmodel met 9,4 miljard parameters van inclusionAI, de open-model-tak van Ant Group, en de reden dat dit stuk is geschreven als een lezing van een repository in plaats van een lanceringsverhaal.

Wat het de aandacht waard maakt, is niet de geheimzinnigheid. Het is dat de repository ongewoon compleet is voor iets dat niemand heeft aangekondigd: de paper, de benchmark met 1.000 vragen, de reinforcement-learningdataset met 9.000 records, de evaluator, de trainingslauncher, twee checkpoints op 4B en 9B en drie GGUF-quantisaties zijn allemaal binnen ongeveer twee dagen verschenen. Je kunt de methode lezen, de evaluatie opnieuw uitvoeren en de training vandaag reproduceren. Het enige dat ontbreekt, is iemand van het bedrijf die zegt dat het bestaat.

Wat er daadwerkelijk is geland, in volgorde

• 9 november 2026 — de GitHub-repository van inclusionAI wordt aangemaakt. Deze bevat de Apache 2.0-licentie en de code voor dataconstructie en training, niet de gewichten.

• 10 november 2026 — arXiv:2611.14076v1, "ZoomGain: perceptiekloof van globaal naar zoom opsporen voor fijnmazige visuele supervisie", door Haozhan Shen, Liangbo He, Jun Lan, Huijia Zhu, Weiqiang Wang, Tiancheng Zhao en Jianwei Yin, met affiliaties bij Ant Group, Zhejiang University, Om AI Research en het Binjiang Institute.

• 10 november 2026, 11:42 UTC — inclusionAI/ZoomGain-9B en inclusionAI/ZoomGain-4B zijn aangemaakt op de Hub, elk met één enkel BF16-safetensorsbestand van respectievelijk 18,82 GB en 9,08 GB.

• 11 november 2026, 03:16 UTC — inclusionAI/ZoomGain-9B-GGUF verschijnt met Q4_K_M-, Q8_0- en F16-builds plus bijbehorende mmproj-projectorbestanden, wat de stap is die van een onderzoekscheckpoint iets maakt dat een laptop kan proberen.

Een klein detail dat het vermelden waard is, omdat het precies het soort ding is dat een gecoördineerde lancering niet oplevert: de eigen "Updates"-sectie van de modelkaart dateert het artikel, de benchmark, de dataset en de checkpoints allemaal op 2026.11.11, terwijl het aanmaaktijdstempel van de repository en de arXiv-indieningsdatum beide 10 november aangeven. De kaart is achteraf geschreven, in één keer, door iemand die de boel aan het opschonen was.

Het idee, in één alinea, want het is echt één idee.

Een visiemodel kan vaak een vraag beantwoorden over een gebied in een afbeelding, maar faalt wanneer hetzelfde gebied binnen het volledige kader verschijnt. De auteurs noemen dit de global-to-zoom perception gap en zetten die om in supervisie. Stap één: meerdere modellen lokaliseren onafhankelijk een doel dat in de volledige scène wordt beschreven, en hun overeenstemming wijst een gebied aan om bij te snijden. Stap twee: bijschriften van de uitsnede en bijschriften van de volledige scène worden vergeleken, en elk detail dat de uitsnede onthult maar het volledige beeld niet, wordt een vraag die over de oorspronkelijke afbeelding wordt gesteld. Stap drie: antwoorden worden opnieuw gecontroleerd op de uitsnede, ambigue vragen en vragen die beantwoordbaar zijn vanuit taalpriors worden eruit gefilterd, en plausibele afleiders worden gegenereerd voor het meerkeuzeformaat.

De training is GRPO op 9.000 records, gebouwd op 7.713 bronafbeeldingen — één epoch, batchgrootte 64, acht rollouts per vraag — met de meegeleverde EasyR1-code. Evaluatie gebruikt standaard temperatuur 0, met Q​wen3.5-thinking uitgeschakeld, en OCR- en telvragen blijven open-ended, terwijl attribuutvragen worden omgezet naar multiplechoicevragen. Niets daarvan is op zichzelf ongewoon; ongewoon is dat de pipeline die de trainingsdata genereerde, ook de benchmark genereerde, en het artikel is daar expliciet over.

Twee getallen die niet hetzelfde getal zijn

Op ZoomGainBench — de benchmark met 1.000 vragen, 941 afbeeldingen, in het Engels en Chinees, gebouwd door dezelfde pipeline — scoort ZoomGain-9B 55,48. Het basismodel, Qwen3.5-9B, scoort 32,13. Dat is een sprong van 23,35 punten op een benchmark waaruit de eigen trainingsdata van het model is gedolven, en om precies die reden noemt het artikel de kolom "Held-in".

Het getal dat je in een beslissing meeneemt, is het gemiddelde over dertien benchmarks die de training nooit heeft aangeraakt, exclusief ZoomGainBench: 66,10 voor ZoomGain-9B tegenover 59,75 voor Qwen3.5-9B. Een gemiddelde winst van 6,35 punten uit 9.000 samples is een solide, geloofwaardig resultaat. Beide getallen zijn echt. Ze beantwoorden verschillende vragen, en elke pagina die 55,48 citeert zonder "held-in" te vermelden, vertelt je maar de helft.

Er is een tweede eigenaardigheid in dezelfde tabel die niemand tot nu toe schijnt te hebben opgemerkt: het kleinere broertje verslaat de 9B op de held-in-benchmark. ZoomGain-4B scoort 55,81 op ZoomGainBench tegenover 55,48 voor de 9B, maar verliest het held-out-gemiddelde met 63,96 tegen 66,10. Op de benchmark die op de trainingsdistributie is gebouwd, liggen de twee binnen de ruis op hetzelfde niveau; zodra je die distributie verlaat, laat grootte zich weer gelden. Als je op basis van één enkel kopcijfer tussen hen zou kiezen, zou je de verkeerde kiezen.

Wat 9.000 samples opleverden, benchmark voor benchmark

Alle onderstaande cijfers zijn door de auteurs gerapporteerd uit Tabel 3 van het artikel, uitgevoerd met de eigen harness van de auteurs op de vrijgegeven evaluator, en door niemand onafhankelijk gereproduceerd:

• HR-Bench 4K — 90,25, een stijging ten opzichte van 82,13. Dit is het getal waarmee de samenvatting begint, en het is de sterkste bewering in het persbericht.

• V*Bench — 93.19, een stijging ten opzichte van 86.91. Detectie van kleine objecten bij hoge resolutie.

• {{1}}VisualProbe{{/1}} — {{2}}56.31{{/2}}, een stijging van {{3}}44.66{{/3}}. De grootste relatieve toename buiten de held-in benchmark.

• O3-Bench — 68,12, een stijging van 56,52. Meerstapsperceptie en -redenering.

• MMVP — 70,00, een stijging ten opzichte van 60,00. De klassieke test met gepaarde afbeeldingen die op één detail verschillen.

• MMStar — 73,87, een stijging van 71,73. Algemene multimodale competentie, en de kleinste toename van de set.

• BabyVision — 17,53, gestegen van 15,98. Nog steeds dicht bij de ondergrens, en een nuttige herinnering dat de verbeteringen geconcentreerd zijn in de familie fijne details in plaats van gelijkmatig verdeeld.

Samen gelezen past het patroon bij de methode en niet bij een algemene sprong in capaciteiten: de grootste verschillen doen zich voor bij benchmarks die belonen dat je een klein ding in een groot kader vindt, en de kleinste bij benchmarks die brede wereldkennis en gewoon visueel redeneren belonen. Zo zou een gerichte RL-run op 9.000 vragen over uitgesneden details eruit moeten zien.

Wat kenbaar is, wat wordt beweerd en wat simpelweg niet bevestigd is

Kenbaar uit de repository, vandaag, zonder iemand op zijn woord te hoeven geloven: de architectuur, omdat de config publiek is en een Qwen3.5-9B-teksttrunk identificeert met 32 lagen, hidden size 4.096, intermediate 12.288 en 262.144 maximale posities, ingepakt in een vision tower; de trainingsdata, omdat de Parquet met 9.000 records en de bronafbeeldingen als dataset worden meegeleverd; de methode, omdat de prompts in de appendix van het paper staan; en de evaluatie, omdat de evaluator, de annotaties en de afbeeldingen allemaal downloadbaar zijn.

Beweerd maar niet bevestigd: elke benchmarkscore hierboven. Het artikel rapporteert ze op de vrijgegeven harness, waardoor ze beter controleerbaar zijn dan de meeste leverancierstabellen — je kunt ze opnieuw uitvoeren — maar niemand buiten de auteurslijst heeft dat tot nu toe gedaan, en geen enkel onafhankelijk lab heeft een ZoomGain-9B-resultaat gepubliceerd.

Helemaal niet bevestigd, en we kunnen er maar beter ronduit over zijn:

De checkpoint-licentie. De code is Apache 2.0 en dat staat ook zo op de kaart. De kaart verwijst vervolgens voor de voorwaarden van het model en de dataset naar "de Hugging Face-kaarten voor de voorwaarden van elke dataset en checkpoint", en de checkpoint-repository bevat geen licentietag in de metadata op de Hub. Dat is een hiaat dat je moet dichten door de bestanden te lezen voordat je iets uitbrengt, niet een belofte waarop je kunt vertrouwen.

• De contextlengte. De modelkaart vermeldt niets. De 262,144 maximale posities van de config zijn geërfd van de Qwen3.5-9B-trunk, wat niet hetzelfde is als een geteste eigenschap van de post-trained checkpoint, en elke evaluatie in het artikel betreft één enkele afbeelding met thinking uitgeschakeld.

• Algemeen gedrag van de assistent. De release-tests bevatten niets over chat, tool-aanroepen, langvormige generatie of gebruik over meerdere beurten. Het model is getraind om vragen over foto's te beantwoorden, en dat is de enige capaciteit waarvoor bewijs bestaat.

• Elke host. De providertoewijzing van de Hub voor de repository is leeg. Er is geen leveranciers-API en geen endpoint van derden vermeld, dus "probeer het" betekent momenteel "18,82 GB downloaden".

Ik draai het deze week, als je wilt.

Het GGUF-pad is de goedkope optie: een Q4_K_M-build van 5,63 GB plus een mmproj-projector van 0,52 GB, of 9,53 GB bij Q8_0, of 17,92 GB bij F16. Voor beeldinvoer zijn beide bestanden nodig — de projector is niet optioneel, en een llama.cpp-build met multimodale ondersteuning voor Qwen3.5 is de vereiste. Het referentiepad is zwaarder maar beter gedocumenteerd: vLLM 0.19.1 met transformers 5.7.0, precies de versies waarmee de auteurs hebben geëvalueerd, op een BF16-checkpoint dat minimaal een kaart van 24 GB vereist en daarboven ruim voldoende marge biedt.

Het is verstandig om zowel voor het evaluatieprotocol als voor de gewichten te budgetteren. De auteurs draaien op temperatuur 0 met redeneren uitgeschakeld en scoren attribuutvragen op exacte overeenkomst met de gekozen optie, telvragen op exacte overeenkomst met het voorspelde gehele getal, en OCR op ANLS met een ondergrens van 0,7. Als je evalueert met redeneren aan, of met een andere promptsjabloon, meet je iets wat de auteurs niet hebben gerapporteerd, en je moet niet verwachten dat hun cijfers overdraagbaar zijn.

OrcaRouter host ZoomGain-9B niet, en dit stuk gaat niet doen alsof dat wel zo is. Wat we wél hebben, is één sleutel voor meer dan 200 modellen tegen de lijstprijs van de provider, zonder enige opslag erbovenop, en dat is hier om een specifieke en praktische reden van belang: de snelste manier om erachter te komen of de fouten in je pipeline fouten in fijne details zijn, is dezelfde afbeeldingen door een gehost visionmodel te halen en de faalgevallen te vergelijken. Qwen3-VL-8B-Instruct in onze catalogus kost $0,18 per miljoen inputtokens en $0,70 per miljoen output bij een context van 131K, verwerkt afbeeldingen en video, en zal niet tippen aan een model dat is getraind op crop-mined vragen — maar het vertelt je binnen een middag of de GPU de aankoop waard is.

Wat zou dit verhaal veranderen?

Vier dingen, in oplopende volgorde van hoeveel ze ertoe zouden doen. Een aankondiging van inclusionAI, waardoor het lezen van een repository een lancering zou worden en die waarschijnlijk met een licentieverduidelijking zou komen. Een licentietag voor een checkpoint, die de ene vraag zou beslechten die commerciële adoptie momenteel blokkeert. Een gehost endpoint, dat de drempel van 18,82 GB zou wegnemen voor iedereen die de hardware niet bezit. En een onafhankelijke evaluatie, en dat is degene die echt het verschil zou maken: de bewering dat een 9B-model 90,25 haalt op HR-Bench 4K is het soort getal dat ofwel een tweede lab overleeft ofwel stilletjes verdwijnt.

Tot dan is de eerlijke samenvatting dat ZoomGain-9B een goed gedocumenteerde onderzoeksrelease is met een navolgbare methode, een reproduceerbare harness, een ongewoon eerlijke held-in/held-out-splitsing, en geen enkele derde partij die erachter staat. Dat is meer dan de meeste stille releases bieden, en minder dan een product.