ZwZ2-9B vs MathForm-8B: Dezelfde Stam, Twee Zeer Verschillende Hoeveelheden Waarheid

Twee modellen die acht weken na elkaar zijn gepubliceerd, van twee verschillende labs, gebouwd op twee verschillende generaties van dezelfde familie — en hun trunks hebben dezelfde breedte. MathForm-8B, uitgebracht door OpenBMB op 14 augustus 2026 als een fine-tune van Qwen3-8B, heeft 36 lagen met een hidden size van 4.096 en een intermediate size van 12.288. ZwZ2-9B, geplaatst door inclusionAI op 16 oktober 2026 op de Qwen3.5-9B-stack, heeft 32 lagen met een hidden size van 4.096 en een intermediate size van 12.288. Oudergeneraties ver uiteen, vocabulaires van 151.936 en 248.320, totaal verschillende taken — en in beide dezelfde trunk-geometrie van 4.096 bij 12.288. Wat hen scheidt, is niet de architectuur. Het is dat de een komt met een paper, een dataset, een evaluatieharnas en een licentie, en de ander met acht bestanden.

De korte versie: als je je probleem kunt beschrijven als "zet dit proza om in Lean 4", dan is MathForm-8B een gedocumenteerde specialist met gepubliceerde cijfers en moet je die gebruiken. Als je probleem pixels betreft en je wilt een algemeen visie-taalmodel, dan is ZwZ2-9B een checkpoint van 9,4B dat niemand heeft gekarakteriseerd, en het adopteren ervan betekent dat je de eerste beoordelaar wordt. Het interessante deel van de vergelijking is wat die asymmetrie leert over hoeveel een gedeelde erfenis waard is.

Twee nakomelingen, één generatie van elkaar verwijderd

MathForm-8B is een Qwen3-8B-derivaat en zegt dat openlijk: op zijn kaart staan het basismodel, de trainingsdataset, de trainingsmethode en de paper. De config is een schoolvoorbeeld van een Qwen3-indeling — 36 lagen, 32 query-heads tegenover 8 key-value-heads met head-dimensie 128, een vocabulaire van 151.936 tokens, een plafond van 40.960 posities, rotary base 1.000.000, en volledige attention in elke laag. Niets exotisch, niets verborgen.

ZwZ2-9B is een Qwen3.5-9B-derivaat dat dat alleen via één Hub-tag kenbaar maakt. De configuratie ervan verwijst naar Qwen3_5ForConditionalGeneration, en elke architectuurwaarde komt overeen met Qwen3.5-9B, behalve één verwijderde multi-token-predictionlaag. De vocabulaire van 248.320 tokens, het plafond van 262.144 posities, de interleaved M-RoPE en de vision tower zijn allemaal ongewijzigd overgenomen.

• Parameters — ZwZ2-9B: 9.409.813.744. MathForm-8B: 8 miljard, volgens de kaart.

• Ouder — Qwen3.5-9B vs Qwen3-8B, dus de twee erven verschillende attention-ontwerpen van verschillende Qwen-generaties.

• Aandacht — 24 lagen met lineaire aandacht plus 8 lagen met volledige aandacht, tegenover volledige aandacht in alle 36 lagen.

• Trunk-geometrie — verborgen grootte 4.096 en tussenliggende grootte 12.288 in beide.

• Vocabulaire — 248.320, met afbeeldings- en videotoken-id's erin, tegenover 151.936 en alleen tekst.

• Contextlimiet — 262.144 posities vs 40.960.

• Modaliteiten in — tekst, afbeelding en video versus alleen tekst.

• Bewijs gepubliceerd — een configuratiebestand vs. een paper, een dataset, een evaluatiepijplijn en Apache-2.0-voorwaarden.

Wat MathForm-8B op tafel legt

De kaart is ongewoon compleet, en het loont de moeite om hem door te nemen, omdat het contrast later daarvan afhangt. MathForm-8B vertaalt wiskundige uitspraken in natuurlijke taal naar Lean 4. Het werd getraind op FormalVerse — een dataset die OpenBMB samen met het model publiceerde — via supervised fine-tuning en vervolgens reinforcement learning, waarbij Lean-compilatie en feedback over semantische consistentie het beloningssignaal leverden. Het artikel is MathForm: Wiskundige autoformalizatie opschalen met kennisretrieval en verificatiegestuurde verfijning, arXiv 2608.14221, en de repository bevat de evaluatiepijplijn, de benchmarkbestanden en de Pass@k-scripts.

De resultaten worden gerapporteerd als Pass@8-slaagpercentages volgens twee afzonderlijke criteria: een Syntax Check, wat betekent dat de gegenereerde Lean daadwerkelijk compileert, en een Consistency Check, wat betekent dat het compileert en hetzelfde zegt als het oorspronkelijke probleem. Over zes benchmarks meldt de kaart een macro-gemiddelde van 88,06 bij syntax en 72,37 bij consistentie, beter dan de andere 8B-autoformalizers die erin worden genoemd en beter dan verschillende 32B-vermeldingen in de syntaxkolom. Die laatste vergelijking is het soort bewering dat je eerder zou moeten testen dan herhalen, en er zit een detail in de opzet dat het testen ervan niet-triviaal maakt: compilatiecontroles vereisen een draaiende Kimina Lean Server, en de experimenten gebruikten Lean 4.21.0. Dit is geen checkpoint dat je met een Python-script kunt scoren.

Elk getal hierboven is door de leverancier gerapporteerd. OpenBMB heeft de evaluatie uitgevoerd, OpenBMB heeft die gepubliceerd, en de repository bevat wel degelijk de scripts om die te reproduceren — wat meer is dan de meeste labs bieden en de reden dat de cijfers zelfs ongeverifieerd iets waard zijn. De modelkaart publiceert ook de aanbevolen generatie-instellingen, temperatuur 0,6 en top-p 0,95, wat precies het soort kleine operationele detail is dat een model zonder modelkaart je laat raden.

Wat ZwZ2-9B op tafel legt

Een config.json, een tokenizer_config.json, een chat-template en 18,8 GB aan gewichten. Er is geen README, geen licentieveld, geen pipeline-tag en geen dataset. De Hub meldt nul downloads en twee likes, en geen enkele inclusionAI-collectie bevat het.

Reading the files does yield real information, and it is worth doing before dismissing the checkpoint. The chat template injects a default system prompt when a request arrives without one, and it defaults to not reasoning — it emits an empty <think></think> block unless a caller explicitly asks for thinking, which is the opposite of what its Qwen3.5-9B parent does. The config carries a 27-layer vision tower and a video processor accepting up to 768 frames at 2 frames per second. The parameters are 9,409,813,744 across 760 tensors, all bfloat16.

Wat geen van dat alles je vertelt, is waar het model goed in is, waarop het is getraind, of het een instructiemodel is of iets anders, of onder welke voorwaarden je het mag gebruiken. MathForm-8B beantwoordt alle vier de vragen op zijn eerste scherm. ZwZ2-9B beantwoordt geen van alle, nergens.

Het gedeelde 4.096 is geen toeval, en het is geen sluipweg

Beide modellen gebruiken een trunk met een breedte van 4.096 en een tussenliggende grootte van 12.288, en de reden is in beide gevallen dezelfde: een Qwen-generatie van die grootte. Qwen3-8B en Qwen3.5-9B zijn verschillende ontwerpen — volledige aandacht in het hele netwerk versus een drie-op-eenmix van lineaire en volledige aandacht — maar ze zijn beide op dezelfde breedte gebouwd, omdat dat is wat een kleine Qwen is. Toezien hoe een fine-tune elke dimensie van zijn oudermodel erft, is het duidelijkste beschikbare bewijs dat fine-tunes de eigenschappen van hun oudermodel in hun geheel erven: de sterke punten en de faalmodi, niet alleen de vorm. MathForm-8B vertelt je van welk oudermodel het afkomstig is, dus je kunt er meer over lezen. ZwZ2-9B doet dat niet, en de Hub-tag is de enige draad die terugleidt.

Welke heb je eigenlijk nodig?

Dit zijn geen vervangers, en de overlap is bijna nul. MathForm-8B doet één ding: het zet een wiskundige uitspraak in natuurlijke taal om in Lean 4 dat compileert. De hele evaluatieapparatuur, inclusief de vereiste van een draaiende Lean-server, is daaromheen gebouwd. Als dat uw probleem is, is het een sterk, gedocumenteerd, Apache-2.0-antwoord met reproduceerbare tooling, en het consistentiecijfer van 72,37 is het getal om te verslaan — consistentie, niet syntaxis, want een formalisatie die compileert maar iets anders betekent, is een bug die u meer kost dan een mislukte compilatie.

ZwZ2-9B is een algemeen visie-taalmodel. Het is nooit geëvalueerd op autoformalisatie, heeft geen noemenswaardige Lean-tokenizer-overwegingen, en is gepubliceerd door een lab waarvan eerder werk over fijnmazige visuele waarneming ging. Ga niet op zoek naar een ZwZ2-9B-score op een Lean-benchmark; er is geen reden waarom die zou bestaan.

De echte vraag is of je überhaupt een specialist of een generalist wilt. Een specialist is beter in zijn ene taak en daarbuiten nutteloos. Een generalist is slechter in alles wat specifiek is en is de enige optie wanneer de vorm van de invoer varieert. De reden dat deze vergelijking scheef uitvalt, zijn niet de acht weken tussen hen of de miljard parameters — het is dat een van hen werd gepubliceerd met de documentatie die een specialist nodig heeft en de andere werd gepubliceerd als startpunt voor het werk van iemand anders.

Als je beide mogelijkheden in één pipeline wilt

Er bestaat een echt patroon waarin deze twee modi samenkomen: een algemeen model leest een ambigu document, haalt de wiskundige bewering eruit, geeft die door aan een formaliseerder, en een checker beslist of het resultaat standhoudt. Dat zijn drie modelaanroepen met verschillende rollen, en het is de vorm waarvoor een routeringslaag bestaat om goedkoop te maken — de routerings-DSL van OrcaRouter stelt meerdere modellen samen tot één aanroep zodat een fan-out en een vervolgstap één verzoek zijn in plaats van een orchestratiedienst die je moet onderhouden. Modelfusie, waarbij een panel van modellen gezamenlijk antwoordt en een rechter het sterkste antwoord kiest, is hetzelfde idee toegepast op één enkele moeilijke vraag in plaats van op een pijplijn.

Noch ZwZ2-9B noch MathForm-8B staat in onze catalogus, en we gaan dat niet mooier voorstellen dan het is: MathForm-8B is downloadbaar onder Apache-2.0 en kan worden geserveerd vanaf je eigen vLLM- of SGLang-instantie, en ZwZ2-9B is een repository zonder enig endpoint. Wat vandaag routeerbaar is aan de redeneerkant van die pipeline is qwen/qwen3.8-27b — Qwens huidige generatie dense vlaggenschipmodel, Apache-2.0, met een context van 262K tokens en een gehoste limiet van 1M tokens tegen $0,33 per miljoen inputtokens en $2,40 per miljoen output, doorgegeven tegen de listprijs van de provider zonder dat er iets bij komt.

Wat de asymmetrie waard is

MathForm-8B is het betere model om over te schrijven, want er valt iets te controleren. ZwZ2-9B is het interessantere artefact, want een checkpoint van 9,4 miljard met een getunede chat-template en een gestripte voorspellingshead is bewijs dat iemand echt werk heeft gedaan — en omdat inclusionAI een staat van dienst heeft met de naam ZwZ die het volgende bericht de moeite waard maakt om te volgen.

Voor iedereen die vandaag moet beslissen, is de regel weinig glamoureus. Een gepubliceerd artikel, een dataset, een genoemd basismodel en een vermelde licentie zijn geen papierwerk. Ze zijn het verschil tussen een model waarop je je planning kunt baseren en een model dat je moet reverse-engineeren, en geen enkele interessante architectuur kan die kloof dichten.

Een resultaat zoals dit is ook een herinnering eraan dat modelfouten al gedocumenteerd zijn: de AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, zekerheidsgraad en betwistingsmarkering bevat.