ZwZ2-4B uitgebracht zonder lancering: wat de modelkaart zegt en wat hij niet zegt

De ZwZ2-4B-repository is op 15 oktober 2026 om 06:11 UTC aangemaakt en heeft vanaf vanochtend nul downloads en nul likes. Dat is niet ongewoon voor een checkpoint dat niemand heeft aangekondigd. Wat ongewoon is, is dat het ook een volledige modelkaart bevat: een methodesectie, een beschrijving van de trainingsdata, een quickstartblok en een kopresultaat dat aanspraak maakt op 25 benchmarks en een verbetering van 5,38 punten ten opzichte van Qwen3.5-4B, het model waarvan het is finegetuned. inclusionAI heeft de documentatie gepubliceerd zonder de aankondiging te publiceren. De kaart is er; het persbericht niet; en het verschil tussen die twee dingen is het hele verhaal van dit checkpoint.

Dit stuk is bewust beperkt in wat het beweert. Alles hieronder dat als repositoryfeit is gemarkeerd, is rechtstreeks uit de bestanden gelezen — de configuratie, de gewichtenindex, de datasetvermelding, de kaart zelf. Alles dat als leveranciersclaim is gemarkeerd, is het eigen cijfer van inclusionAI, weergegeven als een claim en niet als een resultaat. Er bestaat geen onafhankelijke evaluatie van ZwZ2-4B, en iedereen die je anders vertelt, leest de kaart aan je voor.

Wat is er daadwerkelijk geland, op welke data?

De ZwZ2-familie arriveerde binnen een venster van ongeveer drieëntwintig en een half uur, in omgekeerde groottevolgorde. ZwZ2-4B kwam eerst, op 15 oktober om 06:11 UTC. ZwZ2-9B volgde op 16 oktober om 03:42. ZwZ2-27B sloot de set af om 05:42 diezelfde ochtend. De trainingsdataset, inclusionAI/ZwZ2-RL-VQA, verscheen drie dagen later, op 19 oktober. Alle drie de repositories, de dataset en de familiecollectie dragen tijdstempels van vandaag, 27 oktober — de meest recente onderhoudsronde op een familie waaraan nog steeds geen openbare aankondiging is gekoppeld.

Wat er niet is gebeurd: geen bericht op de blog van inclusionAI en geen release-thread. De drie checkpoints delen wel een collectie, Zooming-without-Zooming-v2, met vier items, maar een collectie is een container, geen aankondiging. De GitHub-repository met de code van de eerste generatie is helemaal niet bijgewerkt — er staan nog steeds vier modellen in: ZwZ-2B, ZwZ-4B, ZwZ-7B en ZwZ-8B, allemaal gebouwd op Qwen3-VL-backbones. De v2-familie staat er niet in. Als je op zoek gaat naar de code die ZwZ2-4B heeft voortgebracht, vind je de code van zijn voorganger, en in de README daar wordt het model dat je in handen hebt niet genoemd.

De bewering, als bewering geformuleerd

De modelkaart van inclusionAI meldt een totale nauwkeurigheid van 49,41 voor het basismodel en 54,79 voor ZwZ2-4B, gemeten over 25 benchmarks die in zes domeinen zijn gegroepeerd. De kaart zegt dat het model op elk van die benchmarks is verbeterd, en dat de totale en domeingemiddelden elke benchmark gelijk wegen. De zes domeinen die er worden genoemd, zijn fijnmazige perceptie, ruimtelijk redeneren, begrip van lange contexten, multimodale agenten en algemeen visueel redeneren, plus de fijnmazige groep die het kopcijfer levert.

Die twee getallen vormen de volledige kwantitatieve onderbouwing voor het model. De scores per benchmark staan op de pagina als afbeeldingen — een PNG en een SVG — in plaats van als tekst, wat betekent dat de acht representatieve resultaten en de volledige vijfentwintig zichtbaar maar niet machineleesbaar zijn. De enige benchmarkset die in proza wordt beschreven is MMLongBench*, waarvan de visuele kern wordt opgevoerd als V-RAG, Image MM-NIAH en VH-Multi, over 25 niet-Counting-taken. De kaart merkt ook op dat de beeldresolutie voor 'geavanceerde modellen' wordt beperkt door het serveerplatform, wat een terechte kanttekening is en tegelijk een herinnering dat een perceptiescore deels een uitspraak is over hoe de afbeelding het model heeft bereikt.

Een gemiddelde van +5.38 over 25 benchmarks is een grote claim voor een model uit de 4B-klasse. Het is ook precies het soort claim dat een leverancier het best gepositioneerd is om te maken en het slechtst gepositioneerd is om te verifiëren, omdat de leverancier de benchmarkset, de weging en de resolutie heeft gekozen. Beschouw 54.79 als het getal om te reproduceren, niet als het getal om op te plannen.

De methode: één doorgang, niet zoomen, geen SFT

De trainingspijplijn heet EvidenceConnect, en het is de tweede generatie van een idee dat het lab eerder dit jaar publiceerde onder de naam "Zooming without Zooming". Het uitgangspunt is dat fijnmazige visuele perceptie meestal tijdens inferentie wordt opgelost — het gebied bijsnijden, de vraag opnieuw stellen, herhalen — en dat dit duur en fragiel is. ZwZ2 leert het model in plaats daarvan om binnen één forward pass aandacht te besteden aan regionaal bewijs.

De constructie verloopt in vier stappen, zoals de kaart het beschrijft. Gerelateerde regio's worden gegroepeerd, drie tot zeven per afbeelding, afkomstig uit SA-1B. Vragen worden gegenereerd op basis van bevoorrechte ingezoomde weergaven van die regio's, zodat de vragenmaker details kan zien die het beleidsmodel bij inferentie nooit zal zien. Die vragen worden vervolgens twee keer gefilterd — door overeenstemming tussen modellen, en door een drop-one-region-test die controleert of het verwijderen van een regio daadwerkelijk het antwoord verandert. Geverifieerde vragen worden meerkeuzetaken met vier opties, en het model wordt getraind met GRPO. Er is helemaal geen fase voor supervised fine-tuning.

Bij inferentie ziet de policy de volledige afbeelding met gekleurde omtrekken van regio's erop getekend. De geprivilegieerde uitsneden bestaan alleen tijdens de dataconstructie. Elke modelgrootte in de familie gebruikte ongeveer 20.000 trainingsvoorbeelden; de datasetkaart vermeldt het exacte aantal als 20.662 meerkeuzevragen, vijf downloads en een aanmaakdatum van 19 oktober.

Het ontwerp heeft één zichtbaar gevolg dat het vermelden waard is voor iedereen die het van plan is te evalueren. Een model dat alleen is getraind op meerkeuzevragen met vier opties, wordt geoptimaliseerd voor een taakvorm die totaal niet lijkt op open-ended captioning of vrije visuele QA. Als jouw workload een alinea over een afbeelding vraagt, is deze checkpoint daar niet op getraind, en de sectie met beperkingen van de kaart zegt dat ook: verzonnen details, verkeerd gelezen tekst, telfouten, ruimtelijke fouten.

Wat de configuratie bewijst, onafhankelijk van het lab

Er is een categorie feiten die je niet op goed vertrouwen hoeft aan te nemen, omdat het rekenwerk met gepubliceerde bestanden is. ZwZ2-4B weegt 4.539.265.536 parameters in BF16, opgeslagen als één safetensors-bestand van 9,08 GB. De Hugging Face-pagina rondt dit af naar "5B", wat royaal is; de index zegt 4,54 miljard. De basis, Qwen3.5-4B, weegt 4.659.865.088 — dus het afgeleide model is ongeveer 120,6 miljoen parameters minder dan het model waarvan het is afgeleid.

Dat verschil heeft een duidelijke verklaring in de config. Qwen3.5-4B declareert één multi-token-predictionlaag; ZwZ2-4B declareert er nul. De speculative-decoding-head is verwijderd. Haal je een MTP-head van een 4.6B-checkpoint af, dan kom je bijna precies uit op de waargenomen kloof. Dit is dezelfde aanpassing die het 9B-zusmodel heeft, en het is het sterkste beschikbare bewijs dat dit post-getrainde afgeleiden zijn in plaats van vers getrainde modellen.

De rest van de stack is ongewijzigd ten opzichte van de basis:

• Diepte — 32 lagen in zowel ZwZ2-4B als Qwen3.5-4B

• Breedte — verborgen grootte 2,560, tussenliggende 9,216

• Attention — 16 query-heads tegenover 4 KV-heads, headdimensie 256, een 3:1-schema lineair-naar-volledig (24 lineaire lagen, 8 volledige)

• Vocabulaire — 248.320 tokens, gekoppelde embeddings

• Context — 262.144 posities, M-RoPE in een 11/11/10-verdeling, partiële rotatiefactor 0,25

• Vision-toren — 24 lagen met hidden 1.024, patchgrootte 16, 2×2 ruimtelijke merge

• Runtime — transformers 5.13.1, architectuur-identificatie Qwen3_5ForConditionalGeneration

De chatsjabloon is één regel waard, omdat het verandert hoe het model standaard reageert. Het vrijgegeven sjabloon draait in de niet-denkmodus en instrueert het model om zijn definitieve antwoord binnen <answer>-tags te plaatsen. Als je dit laadt met een generieke VLM-harness die vrije tekst verwacht, krijg je tags in je uitvoer en vraag je je af waarom.

Wat de kaart je niet vertelt

Drie hiaten zijn belangrijker dan alles wat de kaart zegt.

Het eerste is de licentie. De repository bevat geen LICENSE-bestand en geen licentietag. De bewoording van de kaart zelf verwijst naar “de licentie die bij de vrijgegeven gewichten hoort en de toepasselijke backbone-licentie” — maar er is geen bijbehorend licentiebestand om naar te verwijzen. De backbone, Qwen3.5-4B, is Apache-2.0, dus de meest waarschijnlijke interpretatie is dat het afgeleide model deze overneemt. Waarschijnlijk is niet hetzelfde als gedeclareerd, en een juridische beoordeling zal geen zin op de kaart accepteren die verwijst naar een bestand dat niet bestaat.

Het tweede is de paper. De v2-methode — EvidenceConnect, het drop-one-regionfilter, de training uitsluitend met GRPO — heeft geen openbare beschrijving. De link naar de paper op de kaart is nog steeds de letterlijke placeholder PAPER_URL. De enige arXiv-identifier die aan de repository is gekoppeld, 2602.11858, is de eerstegeneratiepaper, die region-to-image-distillatie op Qwen3-VL-backbones beschrijft: een andere methode, een andere basisfamilie en een andere reeks cijfers. De datasetkaart erft dezelfde identifier, dus de tag draagt de mismatch over.

Het derde is het ontbreken van enige onafhankelijke meting. Geen enkele ranglijst heeft ZwZ2-4B gescoord, er bestaat geen replicatie, en de downloadteller staat nog steeds op nul. Een model kan tegelijkertijd uitstekend en ongemeten zijn; het punt is alleen dat niets buiten het lab de 54.79 nog heeft bevestigd.

De naamgevingsval waar je in zult trappen

Zoek naar dit model en je vindt eerst een ander model. De eerste generatie ZwZ-4B is een echte, gedocumenteerde checkpoint gebouwd op Qwen3-VL-4B, en publiceert een gemiddelde van 66.86 tegenover 61.52 van zijn backbone, met een ZoomBench-score van 55.74. Die cijfers worden veel aangehaald en het zijn niet de cijfers van ZwZ2-4B. Ze horen bij een ander basismodel, een ander trainingsrecept en een andere benchmarksuite.

{{1}}De twee namen verschillen in één teken.{{/1}} Een vergelijkingstabel die ze door elkaar haalt, lijkt intern consistent en is toch fout. Als een leverancierspagina of een aggregator {{2}}ZwZ2-4B{{/2}} voor 66,86 toont, dan is dat de fout die je ziet.

Als je deze week een klein visiemodel nodig hebt

ZwZ2-4B staat niet in de OrcaRouter-catalogus, en dit stuk zal niet doen alsof dat wel zo is. Het is een checkpoint die je zelf downloadt en serveert; er is nergens een gehost endpoint voor, voor zover de Hugging Face-pagina laat weten, en de pagina meldt expliciet dat geen enkele inference-aanbieder het aanbiedt.

Wat de catalogus wél heeft, is het praktische alternatief voor dezelfde taak: qwen/qwen3-vl-8b-instruct voor $0,18 per miljoen inputtokens en $0,70 per miljoen output, met een context van 131K, geserveerd via hetzelfde OpenAI-compatibele endpoint als al het andere. Als je van plan was om ZwZ2-4B te evalueren tegen een gehoste vision-baseline, dan is dat de baseline, en beide vanaf één sleutel draaien betekent één clientbibliotheek en één factuur in plaats van twee integraties. OrcaRouter routeert meer dan 200 modellen met automatische failover, zodat een vision-pad dat op dat endpoint is gebouwd niet afhankelijk is van één upstream die gezond blijft.

Voor een model met nul downloads en geen licentiebestand is dat de eerlijke aanbeveling: huur de vergelijking, bezit het experiment.

Wat zou deze beoordeling veranderen?

Drie gebeurtenissen, in aflopende volgorde van belang. Een licentiebestand, dat van een juridische onbekende een juridisch antwoord zou maken. Een openbaar v2-paper, waarmee iemand de EvidenceConnect-filtering op lekkage zou kunnen controleren — de drop-one-region-test is een goed idee, en goede ideeën zijn precies wat geaudit moet worden. En überhaupt een score van een derde partij, want één reproduceerbare benchmark op een neutrale harness zou meer voor deze checkpoint doen dan nog duizend woorden modelkaart.

Totdat een daarvan werkelijkheid wordt, is ZwZ2-4B een goed gedocumenteerde, niet-aangekondigde, ongemeten perceptiespecialist van 4,54B wiens eigen modelkaart zegt dat hij zijn basismodel met 5,38 punten verslaat. Dat is een echte en specifieke bewering. Het is nog geen resultaat, en dat onderscheid is het enige dat de moeite waard is om uit deze repository mee te nemen.