ZwZ2-9B vs Qwen3.8-27B: Mała luka, którą pozostawiła nowa generacja Qwen

Generacja Qwen3.8 zadebiutowała z gęstym modelem 27B 5 sierpnia 2026 r., modelem mieszaniny ekspertów o 2,4 biliona parametrów 8 sierpnia oraz wariantem Flash-Next 24 sierpnia. Nie zawierała modelu 9B. Oznacza to, że najniższy segment obecnej oferty nadal zajmuje Qwen3.5-9B, checkpoint z 27 lutego 2026 r. — a to oznacza, że ZwZ2-9B, opublikowany przez inclusionAI 16 października 2026 r., opiera się na najnowszym dostępnym stacku Qwen3.5 w tym rozmiarze. Porównaj go z Qwen3.8-27B: nie porównujesz dwóch modeli z jednej rodziny. Porównujesz lukę około osiemnastu miliardów parametrów w obrębie jednej architektury, ponieważ generacja 3.8 nigdy nie zmieniła jej nazwy.

Rzeczą, którą trzeba najpierw zrozumieć, jest to, że nie jest to rywalizacja w żadnym zwykłym sensie. Qwen3.8-27B to gotowy produkt z licencją, hostowanym API, opublikowanymi ewaluacjami i siedmioma milionami pobrań w ciągu ostatniego miesiąca. ZwZ2-9B to nieudokumentowane pochodne checkpointy w repozytorium bez README. Użyteczne pytanie jest węższe i bardziej praktyczne: jeśli to model 27B jest tym, który Qwen chce, żebyś uruchamiał, co dokładnie kupujesz, pozostając przy 9B, i co tańszy checkpoint dziedziczy po generacji powyżej?

Architektura nigdy się nie zmieniła — zmieniła się tylko skala

To jest odkrycie, które sprawia, że warto opisywać to porównanie, i jest ono widoczne w dwóch plikach konfiguracyjnych. Qwen3.8-27B deklaruje swój identyfikator architektury jako qwen3_5. ZwZ2-9B również. Ten sam typ modelu, ta sama nazwa klasy, ta sama konstrukcja uwagi, ta sama linia tokenizera — dzieli je jedna generacja, a etykieta ani drgnęła.

Spójrz poza identyfikator, a rodzinne podobieństwo jest pełne. Oba stosują tę samą proporcję trzy do jednego warstw uwagi liniowej do warstw pełnej uwagi. Oba rezerwują słownik o rozmiarze 248 320 tokenów i deklarują pułap kontekstu na 262 144 pozycje. Oba używają przeplotowego M-RoPE z tym samym podziałem na sekcje i tą samą podstawą rotacyjną 10 000 000. Oba mają wieżę wizyjną o dokładnie 27 warstwach, rozmiarze ukrytym 1 152 i 2 304 osadzeniach pozycyjnych. Qwen3.8 nie jest nowym projektem, który zastąpił Qwen3.5. To ten sam projekt w większych wymiarach, a Qwen3.8-27B mówi o tym w swojej własnej konfiguracji.

• Parametry — ZwZ2-9B: 9 409 813 744. Qwen3.8-27B: 28 miliardów według jego karty, której konfiguracja określa 64 warstwy przy rozmiarze ukrytym 5 120 w porównaniu z 32 warstwami przy 4 096.

• Identyfikator architektury — qwen3_5 w obu. Ta sama klasa, ten sam harmonogram uwagi.

• Słownik — 248,320 w obu, z uwzględnieniem identyfikatorów tokenów obrazów i wideo.

• Limit kontekstu — 262 144 pozycje zadeklarowane w obu, przy czym hostowana wersja Qwen sięga do 1 mln.

• Wieża wizyjna — 27 warstw o rozmiarze ukrytym 1152 w obu; projekcja rozszerza się z 4096 do 5120, aby dopasować się do stosu językowego.

• Domyślne rozumowanie — ZwZ2-9B odpowiada bez zastanawiania się, chyba że zostanie o to poproszony. Qwen3.8-27B domyślnie myśli, a wysiłek rozumowania można dostosować.

• Licencja — nie zadeklarowano vs Apache-2.0.

• Dowody — plik konfiguracyjny kontra karta modelu, wyniki ewaluacji, hostowane API i 198 opublikowanych adapterów.

Co daje ci 27B, czego nie daje pochodna 9B

Pierwszą rzeczą jest zezwolenie. Qwen3.8-27B jest objęty licencją Apache-2.0 z wyraźnym udzieleniem licencji, można go wdrażać na Azure i SageMaker zgodnie z jego własnymi tagami oraz jest udostępniany przez oficjalne hostowane API Qwen z kontekstem 1 mln tokenów w wersji zarządzanej. ZwZ2-9B nie deklaruje żadnej licencji, co jest innym problemem niż licencja restrykcyjna — to brak udzielenia licencji, a nie jej wąski zakres, i stanowi pojedyncze największe ryzyko związane z jego przyjęciem.

Drugim elementem jest kontrola rozumowania. Szablon czatu Qwen3.8-27B udostępnia trzy poziomy wysiłku rozumowania, domyślnie najwyższy, odpowiednio instruuje model i obsługuje zachowywanie kontekstu rozumowania między turami. Zachowuje też qwenową konwencję domyślnego myślenia. ZwZ2-9B nie ma żadnego z tych mechanizmów, a jego szablon odwraca ustawienie domyślne — emituje pusty blok <think></think>, o ile nie przekażesz jawnie flagi, co oznacza, że model odpowiada bezpośrednio i tanio, i nie daje ci żadnej gałki do przekręcenia, gdy pytanie zasługuje na więcej namysłu.

Trzeci to ekosystem — najmniej omawiany, a najbardziej kluczowy. Hub wymienia 198 adapterów, 553 modele dostrojone, 24 scalenia i 1472 kwantyzacje zbudowane na Qwen3.8-27B, a do tego sto Spaces. To dorobek ludzi spoza Qwen, opisujący, jak model zachowuje się w rzeczywistych problemach. ZwZ2-9B nie ma nic z tego i jeszcze nie może tego mieć — ma dopiero kilka godzin.

Co wciąż daje ci pozostanie przy 9B

Nie bez powodu segment małych modeli nie ucichł. Qwen3.5-9B — checkpoint, na którym oparto ZwZ2-9B — odnotował w zeszłym miesiącu 8,591,266 pobrań, więcej niż flagowy model 27B, który w tym samym okresie odnotował 7,363,968. Rozmiar 9B to miejsce, w którym dzieje się bardzo dużo prawdziwej pracy: to największy model, który wygodnie mieści się na pojedynczym konsumenckim akceleratorze, to rozmiar, który zespoły dostrajają, gdy chcą mieć własne wagi, a nie API, i to tam nieudokumentowana pochodna, taka jak ZwZ2-9B, może realnie zainteresować, ponieważ to, co dziedziczy, zostało przeczytane przez miliony ludzi.

Usunięcie głowicy przewidywania wielu tokenów również nie jest oczywistą stratą. Konfiguracja ZwZ2-9B ustawia mtp_num_hidden_layers na 0, podczas gdy Qwen3.5-9B ma 1, co usuwa głowicę dekodowania spekulatywnego i wraz z nią około ćwierć miliarda parametrów. Niezależnie od tego, co zamierzano w trakcie treningu, artefakt, który pobierasz, jest prostszym modelem niż jego model nadrzędny, a o prostszym łatwiej wnioskować, gdy nie możesz przeczytać karty.

A ścieżka wizyjna jest taka sama w obu kierunkach: 27 warstw o rozmiarze ukrytym 1152, tablica osadzeń o 2304 pozycjach, procesor wideo obsługujący do 768 klatek przy 2 klatkach na sekundę. Jeśli potrzebujesz wejścia obrazowego, 9B nie oddaje tej możliwości 27B.

Jak to wygląda, jeśli wybierasz endpoint zamiast checkpointu

Praktyczna odpowiedź dla większości zespołów nie brzmi „albo-albo”, a hostedowa strona sprawy jest rozstrzygnięta w sposób, w jaki strona otwartych wag nie jest. Qwen3.8-27B można kierować w OrcaRouter jako qwen/qwen3.8-27b — kontekst 262 tys. tokenów, wejście tekstowe, obraz i wideo, wyjście tekstowe, w cenie 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion wyjściowych. To cena katalogowa dostawcy przekazywana z 0% marży, więc gdy Qwen zmienia cenę, liczba tutaj zmienia się tego samego dnia, a nie przy kolejnej aktualizacji katalogu, i znajduje się obok qwen/qwen3.8-flash oraz qwen/qwen3.8-max na tym samym kluczu, jeśli chcesz porównać poziomy na własnym ruchu, a nie na czyjejś tabeli benchmarków.

ZwZ2-9B nie ma w tamtym katalogu i nie zamierzamy sugerować inaczej — to plik do pobrania z Hugging Face bez opublikowanego przez jego dostawcę endpointu serwującego, a inclusionAI dystrybuuje przez własne kanały dostawcy. Jeśli chcesz hostowanego zastępnika na mały slot multimodalny, podczas gdy oceniasz checkpoint, qwen/qwen3-vl-8b-instruct to model wizyjno-językowy 8B z kontekstem 131K tokenów w cenie $0.18 i $0.70 za milion tokenów, udokumentowany i objęty licencją. Umieść kandydata za tym samym interfejsem co obecny model, a porównanie obu kosztuje jeden ciąg znaków modelu; to jest cały argument za routowaniem modelu, co do którego nie masz pewności, zamiast integrowania go.

Pytanie pokoleniowe, na które szczerze odpowiedziano

Nie istnieje żaden benchmark, na którym ZwZ2-9B pokonuje Qwen3.8-27B, ponieważ nie istnieje żaden benchmark, na którym ZwZ2-9B w ogóle został zmierzony. Model 28B z kartą techniczną i checkpoint 9.4B z plikiem konfiguracyjnym nie konkurują ze sobą; jeden z nich został oceniony, a drugi opisany. Każdy, kto w tym tygodniu przedstawia wynik bezpośredniego porównania, opisuje własne wrażenie na temat modelu, który pobrał dziś rano.

To, co tutaj jest naprawdę nowe, to rodowód, i warto powiedzieć to wprost, bo łatwo to przeoczyć. Generacja Qwen3.8 nie zastąpiła swojej architektury; ona ją przeskalowała. Qwen3.8-27B i ZwZ2-9B odpowiadają temu samemu identyfikatorowi architektury, dzielą słownik, dzielą pułap kontekstu, dzielą harmonogram uwagi i dzielą wieżę wizyjną aż do liczby warstw i szerokości ukrytej. To przydatna wiedza w obie strony: mówi, jakie wrażenie prawdopodobnie będzie sprawiał checkpoint 9B na tym stosie, oraz mówi, że przepaść między małym a dużym końcem rodziny Qwen to kwestia stopnia, a nie zmiana gatunku.

A więc uczciwy werdykt w sprawie ZwZ2-9B kontra Qwen3.8-27B jest taki, że to na 27B można opierać plany, a pochodna 9B to ta, której warto się przyglądać. Przeczytaj konfigurację, uruchom własne zadanie na tym modelu i poczekaj na licencję, zanim dotknie czegokolwiek, co ma znaczenie.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.