ZwZ2-27B vs Qwen3.8-27B: Mesmo esqueleto, duas apostas muito diferentes

O curioso sobre ZwZ2-27B versus Qwen3.8-27B é que os dois modelos são a mesma máquina. Abra os dois arquivos de configuração e os números se alinham linha por linha: 64 camadas, tamanho oculto de 5.120, 24 cabeças de consulta contra 4 cabeças KV na dimensão 256, uma largura feed-forward de 17.408, um vocabulário de 248.320 tokens, 262.144 posições e uma torre de visão de 27 camadas com tamanho oculto de 1.152. Eles até declaram a mesma classe de arquitetura. O que os separa não é largura nem profundidade. É o que cada laboratório fez com esse corpo depois — e, até agora, ninguém os testou um contra o outro para descobrir qual escolha venceu.

Essa ausência é a primeira coisa a dizer com clareza. A avaliação publicada da inclusionAI para o ZwZ2-27B compara-o com GPT-5.6-Luna, GLM-5.3-Flash e DeepSeek-V4.1-Flash. Ela não inclui o Qwen3.8-27B, e não inclui nenhum modelo Qwen mais novo do que aquele a partir do qual o ZwZ2 foi construído. A Qwen, por sua vez, nunca mencionou o ZwZ2. Cada número abaixo é um laboratório medindo a si mesmo, ou a Qwen medindo a si mesma, e nenhum terceiro colocou os dois em um mesmo harness.

Mesmo esqueleto, linha por linha

Vale a pena ser preciso sobre o quão próximos eles são, porque o enquadramento usual de “27B versus 27B” subestima isso. Não são dois modelos que por acaso chegam a uma escala semelhante; são duas execuções de pós-treinamento sobre uma arquitetura intercambiável.

• Parâmetros — 27B para ambos, densos, sem roteamento de mistura de especialistas em nenhuma das configurações.

• Profundidade e largura — 64 camadas, tamanho oculto de 5.120, tamanho intermediário de 17.408, idênticos em ambos os arquivos.

• Atenção — 24 cabeças de consulta, 4 cabeças KV, dimensão da cabeça 256, fator de rotação parcial 0,25, base de rotação 10.000.000.

• Esquema de camadas — um padrão de atenção linear-para-completa de 3:1, 16 repetições, em ambos.

• Vocabulário e contexto — 248,320 tokens e 262,144 posições nativas, em ambos.

• Torre de visão — 27 camadas, tamanho oculto de 1.152, projetando para 5.120, em ambos.

A consequência prática é que a questão de hardware é a mesma para ambos. Cerca de 54 GB de pesos em bf16, uma placa de 80 GB com folga ou duas placas de 40 GB no limite. Nenhum dos dois é um modelo para rodar em um laptop, e nenhum dos dois tem uma versão quantizada em seu próprio repositório — o ecossistema do Qwen produz essas versões, e o ZwZ2 quase não tem ecossistema nenhum.

A única linha que difere, e dois padrões predefinidos que importam mais

Estruturalmente, há exatamente uma divergência: o Qwen3.8-27B define mtp_num_hidden_layers como 1, mantendo uma cabeça de predição multi-token que a Qwen diz ter sido treinada com várias etapas. O ZwZ2-27B define-o como 0. O modelo da inclusionAI teve a cabeça de decodificação especulativa amputada, que é o que se faz quando o pipeline de treinamento não a utiliza e se prefere entregar um artefato menor e mais simples. É uma diferença de manutenção, não uma declaração de design.

Os padrões são onde os dois modelos realmente se separam, e eles moldarão sua integração mais do que qualquer valor de configuração.

Pensando.O Qwen3.8-27B pensa antes de responder por padrão, expõe três níveis de esforço, sendo xhigh o padrão, e pode reter o contexto de raciocínio de turnos anteriores via preserve_thinking. O ZwZ2-27B está documentado no modo non-thinking: seu quickstart passa enable_thinking=False, seu template de chat pede ao modelo que coloque as respostas finais dentro de tags <answer>, e toda a avaliação de 25 benchmarks foi executada dessa forma. Se seu pipeline espera uma resposta de passagem única, o ZwZ2-27B já vem moldado para você desde o início. Se você quer que o modelo delibere ao longo de uma tarefa de cinquenta etapas, o Qwen3.8-27B tem a maquinaria para isso e o card do ZwZ2-27B não reivindica nenhuma.

Modalidade.O Qwen3.8-27B tem documentação para compreensão de imagens e vídeos, com a amostragem de vídeo controlada pela camada de serviço. A configuração do ZwZ2-27B inclui um video_token_id, mas seu card e sua avaliação tratam inteiramente de imagens estáticas e comparação de regiões. Considere o vídeo como não comprovado no lado da inclusionAI.

O que cada lado pode realmente provar

Ambos os fornecedores publicaram avaliações. Elas não são comparáveis, e o motivo não é marketing — é que as duas suítes medem coisas diferentes.

A afirmação do ZwZ2-27B se baseia em 25 benchmarks em seis domínios perceptuais, avaliados pela inclusionAI, movendo sua própria base de 55,52 para 60,51. Os números absolutos mais fortes estão em percepção refinada (média de domínio de 67,57) e compreensão de contexto longo (68,77), e os mais fracos são Chartography em 12,00 e AgentVista em 18,18.

A tabela publicada do Qwen3.8-27B é uma suíte de texto e agentes com uma seção de visão, e o Qwen a executou contra seu próprio antecessor. Algumas das diferenças entre Qwen3.8-27B e Qwen3.6-27B são enormes:

• Codificação agêntica de terminal — Terminal Bench 2.1 em 73,0, contra 63,4 do Qwen3.6-27B.

• Engenharia de software — QwenSWEBench em 79,0 contra 49,3, e DeepSWE 1.1 em 42,2 contra 13,3.

• Uso do computador — OSWorld-Verified com 84,3 contra 63,9; WebArena-Verified com 64,8 contra 48,8.

• Uso móvel — AndroidWorld em 81,9 contra 70,3.

• Engenharia de software multimodal — SWE-MM em 38,6; RecreationBench em 47,1 contra 29,8.

• Raciocínio científico — GPQA Diamond em 89,2 contra 87,8, e HLE em 30,8 contra 24,0.

Esses são os próprios números do Qwen no próprio harness do Qwen, e eles dizem algo simples: a geração 3.8 não é um pequeno avanço em relação à 3.6. No trabalho de software agêntico, a melhoria é medida em dezenas de pontos, não em dígitos isolados.

Por que +4.99 contra 3.6 não é um número em torno de 3.8

Esta é a armadilha da comparação, e é fácil cair nela. O ganho principal do ZwZ2-27B é +4,99 sobre o Qwen3.6-27B. O Qwen3.8-27B é um modelo muito mais forte que o Qwen3.6-27B na suíte da Qwen. A inferência tentadora — de que os ganhos do ZwZ2 fecham a lacuna — não se sustenta, e há um motivo mecânico pelo qual isso não pode ser verificado.

Não se pode subtrair entre execuções. O 60,51 do ZwZ2-27B é uma média de acurácias em 25 benchmarks perceptuais escolhidos pela inclusionAI; os números do Qwen3.8-27B são pontuações em um conjunto diferente de benchmarks escolhidos pela Qwen. Um modelo com 60,51 em uma suíte e um modelo com 84,3 em uma tarefa completamente diferente não dizem nada sobre sua ordem relativa, e qualquer artigo que coloque esses números em uma única coluna está fabricando um ranking que ninguém mediu.

O que se pode dizer é mais restrito e ainda assim útil. O ZwZ2-27B é uma intervenção direcionada em um modelo que a Qwen substituiu desde então, e o tamanho documentado da intervenção — cinco pontos em uma média perceptual — é da mesma ordem de grandeza que vários dos próprios deltas de 3,6 a 3,8 da Qwen em tarefas de visão, e muito menor que os deltas dela em tarefas agênticas. Se a especialização supera a lacuna geracional na percepção em nível regional é exatamente o que precisaria de um harness compartilhado. Ninguém construiu um.

As colunas de referência do cartão sugerem por que uma resposta pode existir. O ZwZ2-27B pontua 60,51, enquanto a inclusionAI mediu o GLM-5.3-Flash em 57,24 e o DeepSeek-V4.1-Flash em 55,47 — modelos hospedados que ele superou em uma suíte construída em torno da comparação de regiões, com o cartão observando que a resolução de imagem dos modelos avançados foi limitada por suas plataformas de serviço. Esse é um resultado tanto sobre a suíte quanto sobre os modelos. Não é evidência sobre o Qwen3.8-27B, que nunca esteve na sala.

Para a maioria das equipes, a licença decide isso antes dos benchmarks.

O Qwen3.8-27B é Apache-2.0, declarado no front matter do model card, com uma contagem de downloads na casa dos milhões e um ecossistema de adaptadores, fine-tunes e quantizações ao seu redor. O ZwZ2-27B não declara licença alguma. Seu card aponta para “a licença que acompanha os pesos liberados e a licença aplicável do backbone”, o que é circular quando os pesos não trazem nenhuma.

Para uma equipe de pesquisa, isso é uma nota de rodapé. Para uma empresa que coloca um modelo por trás de um produto, é a linha decisiva, e não é por pouco. O fato de o backbone ser Apache-2.0 não licencia automaticamente um derivado cujos próprios termos não são declarados — essa é uma questão para o jurídico, e até que a inclusionAI responda, a leitura segura é que o ZwZ2-27B não está liberado para implantação comercial. A ausência de um paper agrava isso: o card ainda contém o placeholder literal PAPER_URL, então a descrição do método é um README e um esquema de dataset, nada mais.

O que você pode chamar hoje

O Qwen3.8-27B está roteável no OrcaRouter agora mesmo, sob uma única chave com o restante do catálogo e pelo preço de tabela do provedor, sem markup — então, se a Qwen alterar seus preços, a mudança entra no ar aqui no mesmo dia, e não depois de um ciclo de reajuste. Ele está listado a US$ 0,33 por milhão de tokens de entrada e US$ 2,40 por milhão de tokens de saída, com 262.144 tokens de contexto disponíveis. Isso importa para uma comparação como esta, em que o experimentador mais barato geralmente vence: você pode avaliar o Qwen3.8-27B em relação à sua própria carga de trabalho hoje à tarde, sem download nem GPU.

ZwZ2-27B não está no nosso catálogo, e seria desonesto dizer isso de forma mais suave. É um artefato auto-hospedado de 54 GB sem licença e sem receita de serving, e a única forma de avaliá-lo é executá-lo. Se mais tarde ele conquistar um lugar na sua stack, a camada de roteamento é onde os dois se encontrariam — um endpoint, failover automático e uma política que envia o tráfego de comparação de regiões para o modelo especializado e todo o resto para o generalista, em vez de uma reescrita.

Qual deles, por carga de trabalho

O Qwen3.8-27B é o padrão defensável para quase tudo. Programação agêntica, uso de ferramentas de longo horizonte, controle de computador e navegador, raciocínio geral, vídeo — é aí que seus ganhos publicados são maiores, e é o único dos dois que você pode legalmente distribuir e implantar na prática hoje.

O ZwZ2-27B tem um caso de uso mais restrito: você já executa um pipeline da classe Qwen3.6-27B, seu gargalo é o nível de detalhe exigido em documentos, gráficos ou capturas de tela de interface, e a ideia de adicionar chamadas de ferramentas de zoom e recorte ao seu loop de inferência não é atraente. Esse é exatamente o problema que a inclusionAI afirma resolver — aprender a comparação entre regiões marcadas durante o treinamento, de modo que a inferência não precise de ferramentas. Se o modelo base é a condição de controle no seu próprio harness, um teste local do ZwZ2-27B contra ele é um experimento barato e bem formulado.

O que não é defensável é tratar o 60,51 do fornecedor como uma pontuação de capacidade geral, ou compará-lo com qualquer valor do Qwen3.8 como se os dois estivessem na mesma escala. Não estão, e o modelo que resolveria isso — uma estrutura de avaliação compartilhada, executada por alguém sem interesse no resultado — não foi anunciado, assim como o próprio ZwZ2-27B também não foi.

Três perguntas que esta comparação realmente suscita

O ZwZ2-27B é simplesmente o Qwen3.6-27B com treinamento extra?Arquiteturalmente, sim, até o cronograma de camadas e a torre de visão, com a cabeça de predição multi-token removida. Em comportamento, depende de uma receita de pós-treinamento que a inclusionAI descreveu apenas no nível de um README: grupos de regiões de três a sete, perguntas geradas a partir de recortes privilegiados, filtradas por concordância entre modelos e testes de remoção de uma região, depois GRPO em cerca de 20.000 exemplos sem etapa de ajuste fino supervisionado. Isso é a descrição de um método, não uma reprodução.

Os ganhos do ZwZ2-27B resistiriam ao contacto com o Qwen3.8-27B em tarefas de perceção? Desconhecido, e impossível de saber a partir do registo atual. A secção de visão do Qwen3.8-27B está mais orientada para a utilização de computadores, a utilização de navegadores e a engenharia de software multimodal do que para a comparação ao nível das regiões, pelo que até a própria tabela do Qwen não responde à questão suscitada pela afirmação do ZwZ2.

A mudança no padrão do modo de raciocínio altera a comparação? Sim, mais do que sugere a diferença no benchmark. O ZwZ2-27B é avaliado e documentado como um modelo de passagem única e sem raciocínio; o Qwen3.8-27B é construído em torno de esforço de raciocínio ajustável. Para chamadas de percepção sensíveis à latência, isso favorece o design do ZwZ2-27B; para qualquer coisa que exija deliberação, favorece o do Qwen3.8-27B — mas os dois foram medidos sob configurações de geração diferentes, então os números do benchmark também carregam essa diferença.