ZoomGain-9B vs MathForm 8B: Dois checkpoints de 9B que não conseguem desempenhar a função um do outro

Há uma pergunta capciosa por trás do ZoomGain-9B e do MathForm-8B: ambos são ajustes finos com aproximadamente nove bilhões de parâmetros publicados dentro da mesma janela de oitenta dias, ambos são lançamentos de pesquisa adjacentes à Apache-2.0 vindos de laboratórios chineses com um artigo anexado, ambos foram pós-treinados por aprendizado por reforço com alguns milhares de exemplos, e ambos carregam uma pontuação de benchmark que parece impossível para seu tamanho. A tentação é classificá-los. O problema é que um deles nunca viu uma imagem e o outro nunca viu uma prova Lean, então a classificação não tem eixo.

O ZoomGain-9B é o checkpoint de visão-linguagem da inclusionAI de 10 de novembro de 2026, treinado por GRPO em 9.000 perguntas extraídas de detalhes de imagens recortadas, e seu melhor resultado relatado é 90,25 no HR-Bench 4K. O MathForm-8B é o autoformalizador da OpenBMB de 14 de agosto de 2026, treinado por ajuste fino supervisionado seguido de aprendizado por reforço em aproximadamente 367.000 exemplos de Lean 4, e seu melhor resultado relatado é uma média de 88,06% de pass@8 na verificação de sintaxe em seis benchmarks de autoformalização. Nenhum dos dois números diz nada sobre o outro modelo. O que os conecta é algo mais útil do que um ranking: os dois lançamentos fazem alegações incomumente semelhantes sobre como um pequeno ajuste fino pode superar um generalista muito maior, e as formas como justificam essas alegações diferem o suficiente para dizer em qual confiar para quê.

As colunas em branco, nomeadas

O ZoomGainBench não contém nenhum modelo apenas de texto. Ele é um conjunto de perguntas sobre fotografias — reconhecimento de atributos, contagem e OCR —, portanto um modelo sem codificador de visão não pode ser inscrito, e o MathForm-8B não foi. Por outro lado, os seis benchmarks de avaliação do MathForm são FormalMATH, ProverBench, CombiBench e três divisões FATE, todas tarefas de tradução de matemática em linguagem natural para Lean-4. O ZoomGain-9B nunca foi executado em nenhum deles e não há motivo para acreditar que teria um bom desempenho, já que nada em seu treinamento envolveu linguagens formais.

Isso não é uma questão técnica sobre benchmarks. É toda a configuração da decisão. Se sua tarefa produz uma imagem e consome uma resposta factual curta, MathForm-8B é um modelo de texto que não consegue tentar isso. Se sua tarefa consome uma declaração matemática e produz uma prova Lean 4 verificável por máquina, ZoomGain-9B é um modelo de visão que nunca foi solicitado. Não há sobreposição a medir, o que significa que a comparação honesta é de construção, evidências e custo operacional — e esses acabam diferindo bastante.

Duas receitas de RL, ambas pequenas, e o que as diferencia

O conjunto de treinamento do ZoomGain tem 9.000 registros em 7.713 imagens de origem. Uma época, tamanho de lote 64, oito rollouts por pergunta, GRPO com uma recompensa que verifica se a opção selecionada corresponde à resposta de referência. Os dados foram gerados, não anotados: vários modelos localizam uma região, os recortes recebem legendas e são comparados com legendas da cena completa, e os detalhes que o recorte revela tornam-se perguntas sobre a imagem completa. O envolvimento humano foi apenas a triagem — o artigo é explícito que não houve edição manual de perguntas e respostas.

O conjunto de treinamento do MathForm é o FormalVerse, com aproximadamente 367.000 exemplos verificados em Lean 4. Primeiro, ajuste fino supervisionado; depois, aprendizado por reforço com feedback da compilação Lean e de uma verificação de consistência semântica. A construção dos dados usou recuperação no Mathlib antes da geração e refinamento iterativo depois dela, com os diagnósticos do compilador orientando as revisões.

• Modelo base — o ZoomGain-9B é pós-treinado a partir do Qwen3.5-9B (32 camadas, oculto 4.096, intermediário 12.288, 262.144 posições, uma programação de atenção 3:1 entre linear e completa). O MathForm-8B é pós-treinado a partir do Qwen3-8B (36 camadas, todas de atenção completa, oculto 4.096, intermediário 12.288, 40.960 posições, 32 cabeças de consulta contra 8 cabeças KV com dimensão de cabeça 128, rope theta 1e6).

• Dimensões compartilhadas — ambos herdam uma largura oculta de 4.096 e uma largura intermediária de 12.288 de seus progenitores Q​wen, o que é a coincidência mais marcante entre eles e é uma propriedade da família, não do ajuste fino.

• Vocabulário — 248.320 tokens para o ZoomGain-9B contra 151.936 para o MathForm-8B. O do MathForm é um vocabulário da geração Qwen3 e isso importa: código Lean 4, símbolos matemáticos Unicode e tokens de prova são tokenizados de forma diferente em cada um.

• Contexto — o card do ZoomGain-9B não informa nada e sua configuração declara 262.144; a configuração do MathForm-8B declara 40.960, e seu comando de serving recomendado é limitado a 16.384, com max_new_tokens máximo de 16.384 tokens. Para autoformalização, o comprimento da saída é a restrição vinculante, não a entrada.

• Modalidade — imagem e texto como entrada, texto como saída para um; texto como entrada, texto como saída para o outro.

• Licença — ZoomGain-9B: código Apache 2.0, termos do checkpoint adiados e sem tag de licença nos metadados do Hub. MathForm-8B: Apache 2.0 com um arquivo LICENSE no repositório.

• Distribuição — O ZoomGain-9B tem BF16, além de GGUF em F16, Q8_0 e Q4_K_M. O MathForm-8B tem safetensors BF16 em quatro shards, totalizando cerca de 16,4 GB, além de builds GGUF e MLX da comunidade, mas nenhuma quantização própria fornecida pelo fornecedor.

Os números do MathForm-8B e por que eles são mais fáceis de verificar do que parecem

A OpenBMB relata uma média de 88,06% de pass@8 na verificação de sintaxe e 72,37% de pass@8 na verificação de consistência em seus seis benchmarks. Na mesma tabela, o ReForm-8B atinge 81,76 e 66,21, o Goedel-Formalizer-V2-32B atinge 78,28 e 63,74, e o StepFun-Formalizer-32B atinge 63,65 e 44,47. As três divisões FATE são onde os modelos especializados colapsam e o MathForm não: o FATE-X fica em 54,00 de sintaxe e 37,00 de consistência, contra 45,00 e 21,00 do ReForm-8B.

Duas coisas tornam esses números mais críveis do que uma tabela típica de fornecedor. Primeiro, as tarefas são mecânicas de um modo que as tarefas de percepção não são — uma declaração em Lean 4 ou compila ou não compila, e a verificação de consistência compara o significado com a proposição de origem. Um benchmark parcialmente verificável por máquina é mais difícil de pontuar de forma otimista. Segundo, o artigo afirma que o modelo somente com SFT é pior: o MathForm-8B-SFT obtém 84,38 em sintaxe e 66,53 em consistência, portanto a etapa de RL está fazendo trabalho mensurável em vez de apenas decorar um modelo pronto.

Há também uma comparação que vale a pena citar porque vai contra o próprio enquadramento do modelo. Nos mesmos seis benchmarks, o Qwen3.7-Plus — um endpoint comercial de uso geral — obtém 86,33 em sintaxe e 83,38 em consistência. O MathForm-8B supera-o em sintaxe em 1,7 pontos e perde em consistência em 11 pontos. O ajuste fino especializado vence a tarefa de correspondência exata e perde a que exige que a formalização signifique o mesmo que a fonte. Se o seu pipeline precisa de um enunciado que compile, um pequeno especialista é um bom negócio. Se precisa de um que seja fiel, um modelo geral com recuperação ainda pode estar à frente.

Os números do ZoomGain-9B, com a mesma contabilização

Os autores relatam 90,25 no HR-Bench 4K contra 82,13 do modelo base, 93,19 no V*Bench contra 86,91, 56,31 no VisualProbe contra 44,66, 70,00 no MMVP contra 60,00 e 68,12 no O3-Bench contra 56,52. A média held-out em treze benchmarks é 66,10 contra 59,75. No ZoomGainBench — o benchmark construído pelo mesmo pipeline que os dados de treinamento — o modelo obtém 55,48, e o artigo rotula essa coluna como "Held-in" em vez de esconder a distinção.

A diferença estrutural em relação às evidências do MathForm é que o benchmark do ZoomGain não é verificável por máquina da mesma forma. As respostas de múltipla escolha são de correspondência exata, a contagem é de correspondência exata sobre um número inteiro, e o OCR recebe pontuação ANLS — mas as próprias perguntas são geradas, e a checagem feita pelos próprios autores é que as respostas podem ser verificadas na visualização recortada. Uma pergunta gerada com uma resposta verificada ainda é uma pergunta gerada.

Ambos os lançamentos foram produzidos em parte com modelos como anotadores. O apêndice do ZoomGain nomeia as funções: Qwen3.5-397B-A17B para legendagem de cenas, grounding e verificação final de MCQ; Qwen3-VL-235B-A22B-Instruct e Kimi-K2.6 para verificação baseada em recortes e respostas cegas; DeepSeek-V4-Pro para agrupamento de distratores. O FormalVerse do MathForm foi construído por um pipeline que recupera dados do Mathlib e então deixa o compilador rejeitar gerações ruins. Um pipeline se apoia em um verificador que não se deixa convencer a concordar; o outro se apoia em modelos verificando o trabalho de outros modelos, com apenas triagem humana.

Atendendo-os, nos termos sobre os quais sua equipe de operações vai perguntar

O ZoomGain-9B tem 18,82 GB em BF16 e é executado no vLLM 0.19.1 com transformers 5.7.0 — as versões exatas dos autores — ou em uma compilação do llama.cpp com suporte multimodal ao Q​wen3.5, usando os arquivos GGUF mais um projetor. Seu tronco com forte presença de atenção linear mantém o cache KV modesto em comprimentos de sequência longos, que é a propriedade que importa quando uma única requisição carrega uma imagem de alta resolução em vez de um documento longo.

O MathForm-8B tem cerca de 16,4 GB em BF16, servido pelo vLLM com comprimento máximo de modelo de 16.384 ou pelo SGLang com o mesmo contexto, a temperatura 0,6 e top-p 0,95 com um orçamento de saída de 16.384 tokens. Sua avaliação exige um Kimina Lean Server em execução e Lean 4.21.0, que é a parte que as pessoas subestimam: você não está apenas implantando um modelo, está implantando uma cadeia de ferramentas Lean ao lado dele. O feedback de compilação é o sinal de recompensa durante o treinamento e o teste de aceitação durante a avaliação, então um pipeline sem Lean não consegue medir se este modelo está funcionando.

Nenhum dos dois está no catálogo do OrcaRouter hoje, e este artigo não afirma o contrário. O que podemos fazer é encaminhar o trabalho ao redor. Um pipeline de documentos que lê uma página digitalizada e depois verifica a matemática nela tem duas metades: a chamada de visão e a chamada de raciocínio. Uma única chave para mais de 200 modelos pelo preço de tabela do provedor, sem acréscimo de margem, uma regra de roteamento que envia cada metade para um endpoint que atende ao seu critério, e failover automático se qualquer uma delas travar — essa é a camada por baixo das duas metades, e é por isso que um pipeline com dois modelos não precisa significar dois fornecedores e dois contratos.

Qual deles baixar

Escolha o MathForm-8B se o seu problema for formal e sua cadeia de ferramentas já for Lean. As evidências são mais fortes, a licença é inequívoca, a saída é verificável por máquina, e o déficit de consistência de 11 pontos em relação a um modelo geral é uma limitação real que você deve conhecer antes de se comprometer. Escolha-o especialmente para as divisões FATE, onde as linhas de base especializadas caem para 21% de consistência e ele mantém 37%.

Escolha o ZoomGain-9B se o seu problema for um detalhe dentro de uma imagem e a sua resposta for curta. Os seus ganhos em dados de validação são verosímeis para 9 000 amostras, o seu benchmark pode ser descarregado para que possa verificar a afirmação por si mesmo, e a licença é a única coisa que tem de ler antes de o lançar. Não o escolha à espera de um assistente de visão genérico; nada no lançamento testa isso.

E se você esperava um veredito sobre qual é o melhor modelo de nove bilhões de parâmetros, as notas de lançamento respondem a isso melhor do que qualquer ranking poderia: eles foram construídos para serem verificados com diferentes tipos de verdade de referência, e apenas uma dessas verdades de referência compila.