ZwZ2-4B vs Qwen3.8-27B: Um especialista de 4,5B encontra o carro-chefe de 28B da Qwen

Suponha que seu pipeline de imagens execute 200.000 consultas por dia e que você tenha uma única placa de 16 GB. Essa única restrição descarta o Qwen3.8-27B antes mesmo de qualquer benchmark ser discutido: com 28 bilhões de parâmetros, apenas os pesos BF16 já somam cerca de 56 GB, e nenhuma quantidade de serving inteligente os coloca em 16 GB sem quantização para a qual você não reservou orçamento. ZwZ2-4B, com 4,54 bilhões de parâmetros e um arquivo de pesos de 9,08 GB, cabe. Então a pergunta honesta não é qual modelo é melhor. É se a capacidade mais limitada do checkpoint menor é uma restrição real para sua carga de trabalho, ou se você estava prestes a pagar por um modelo de ponta para responder perguntas sobre recortes de fotos de produtos.

Há uma particularidade que torna este confronto mais estranho do que o slug sugere. A geração 3.8 do Qwen nunca lançou um modelo nesta classe de tamanho. Seus membros são o modelo denso de 27B de 5 de agosto de 2026, uma mistura de especialistas de 2,4 trilhões de parâmetros de 8 de agosto, e o Flash-Next em 24 de agosto — que, apesar do nome, é um modelo de 180 bilhões de parâmetros de uma família de arquitetura diferente. Nada denso abaixo de 27B. Então ZwZ2-4B tem como verdadeiro oponente de mesmo tamanho o Qwen3.5-4B, o checkpoint de fevereiro a partir do qual ele foi ajustado. O Qwen3.8-27B entra nesta comparação como teto, não como par.

Não existe nenhum benchmark no qual esses dois possam se encontrar.

Comece pelo que torna a maioria das páginas de comparação desonesta. O Qwen3.8-27B tem avaliações publicadas e um ecossistema; o ZwZ2-4B tem 25 resultados de benchmark que existem apenas dentro do próprio model card, produzidos pelo laboratório que o treinou, sem nenhuma replicação independente em lugar algum. Você não pode colocar um 54.79 relatado pelo fornecedor ao lado de uma suíte de benchmarks de outro laboratório e subtraí-los. Os dois números não foram produzidos nas mesmas tarefas, na mesma resolução, sob o mesmo harness.

Portanto, este texto não os compara por meio de pontuações. Ele compara o que cada um foi projetado para fazer, quanto custa operar cada um e o que o menor deixa de oferecer. Quando um número aparece, ele é identificado por quem o produziu.

A lacuna, dimensão por dimensão

• Parâmetros — ZwZ2-4B 4,539,265,536 vs Qwen3.8-27B 28B no seu cartão

• Pesos no disco — cerca de 9,08 GB BF16 vs aproximadamente 56 GB BF16

• Profundidade — 32 camadas vs 64

• Largura — dimensão oculta 2.560 vs 5.120

• Formato de atenção — 16 cabeças de consulta contra 4 cabeças KV com dimensão de cabeça 256, em ambos

• Cronograma de atenção — uma proporção de 3:1 entre linear e completo em ambos

• Janela de contexto — 262.144 posições em ambos

• Vocabulário — 248.320 tokens em ambos

• Torre de visão — 24 camadas com dimensão oculta de 1.024 vs. 27 camadas com dimensão oculta de 1.152

• Licença — nenhuma declarada para o ZwZ2-4B vs Apache-2.0 para o Qwen3.8-27B

As quatro linhas correspondentes são as interessantes. Ambos os modelos herdam o mesmo identificador de arquitetura, qwen3_5, com a mesma geometria de atenção e o mesmo teto de contexto. A geração 3.8 não redesenhou a pilha; ela a escalou. É por isso que a configuração do 4B parece uma miniatura da do 27B, e não um objeto estranho, e também é por isso que o 4B herda as características de serving do 27B — as camadas de atenção linear são o que torna um contexto de 262K acessível nesse tamanho.

O único número verdadeiramente comparável em todo o confronto

O cartão do ZwZ2-4B reporta seu modelo base em 49,41 e ele próprio em 54,79 em 25 benchmarks, um ganho de 5,38 pontos. Essa é uma comparação entre dois checkpoints treinados e medidos pelo mesmo procedimento, nas mesmas tarefas, pelo mesmo laboratório. Ainda é informado pelo fornecedor, e a seleção de benchmarks é do laboratório, mas ao menos os dois lados da subtração são comparáveis.

Duas coisas se seguem. Primeiro, o ganho só é real no sentido de que o laboratório o mediu; ninguém reproduziu o 54,79. Segundo, e mais útil, a linha de base é um modelo forte. O Qwen3.5-4B tem 7,4 milhões de downloads por mês e 1.145 curtidas — é um checkpoint amplamente implantado, com um ecossistema real. Se o ZwZ2-4B for 5,38 pontos melhor em tarefas com forte componente de percepção, isso é um delta significativo em relação a um modelo que as pessoas realmente executam. Se for 5,38 pontos melhor em benchmarks escolhidos para recompensar exatamente aquilo para o que foi treinado, o delta em produção será menor.

O método explica qual leitura é mais provável. O ZwZ2 foi treinado com GRPO em questões de múltipla escolha de quatro opções construídas a partir de recortes de regiões do SA-1B — cerca de 20.000 delas — sem uma etapa de ajuste fino supervisionado. Todo sinal de treinamento que o modelo já viu era uma escolha entre quatro alternativas sobre se uma região contém a evidência de que uma pergunta precisa. Uma carga de trabalho desse formato é onde o 5.38 deve se manter. Descrição aberta não tem esse formato.

O que um modelo de ponta de 28B oferece que um de 4,5B não consegue

O Qwen3.8-27B é um modelo geral de visão-linguagem: imagens, vídeo, controle flexível de raciocínio, licença Apache-2.0 e margem de parâmetros suficiente para ter absorvido uma ampla dieta de pré-treinamento, em vez de um currículo sintético estreito e de alta qualidade. Sua contagem de downloads — 7,5 milhões no mês passado, com 18.500 curtidas — é o sinal do ecossistema que importa quando você está escolhendo uma base em vez de um especialista. Existem adaptadores, quantizações, ajustes finos e ferramentas para ele, e eles não existem para um checkpoint com zero downloads.

A amplitude aparece nos modos de falha. O cartão do ZwZ2-4B lista alucinações, leitura incorreta de texto, erros de contagem e erros espaciais, e observa que os resultados dependem da resolução da imagem, do comprimento do contexto e do formato do prompt. Um generalista de 28B tem as mesmas classes de falha em princípio, mas com mais capacidade de reter detalhes ao longo de um contexto mais longo e sem a exigência de que a tarefa se assemelhe a uma escolha entre quatro opções.

Para extração de documentos, raciocínio em várias páginas, vídeo ou qualquer coisa em que a resposta seja um parágrafo e não uma região, o 27B é o instrumento melhor, e a diferença de tamanho não é o fator decisivo — o objetivo de treinamento é.

A aritmética dos custos, com preços reais

Aqui a comparação deixa de ser abstrata. No OrcaRouter, qwen/qwen3.8-27b é servido a $0,33 por milhão de tokens de entrada e $2,40 por milhão de saída, com contexto de 262K. Considere uma consulta de imagem representativa de 1.500 tokens de entrada e 300 tokens de saída. Mil dessas custam cerca de $1,22 no 27B. O mais leve qwen/qwen3.8-flash, a $0,15 e $0,47, fica perto de $0,37 para o mesmo milhar. Um modelo de visão 8B hospedado fica entre eles.

O ZwZ2-4B não tem preço por token porque não tem endpoint hospedado — a página do Hugging Face informa que nenhum provedor o disponibiliza. Seu custo é o que custar sua hora de GPU, dividido pela vazão, e é a única opção nesta comparação que roda em uma única placa de 16 GB. Esse é todo o argumento econômico para o modelo menor, e é um argumento forte se você já está pagando pelo hardware.

Um ponto estrutural sobre o roteamento, já que isso afeta como você testa isto. OrcaRouter repassa os preços de lista dos provedores com 0% de margem, portanto, quando a Qwen altera o preço de um modelo Qwen hospedado, o número acima muda no mesmo dia, e não na próxima renovação de contrato. Fazer uma comparação de custos entre um checkpoint auto-hospedado e um modelo hospedado só é honesto se o lado hospedado refletir o preço de lista de hoje, e é essa propriedade que está sendo descrita aqui — não um desconto.

Onde o modelo pequeno vence até mesmo contra um modelo de ponta

Três casos, e eles são mais limitados do que o marketing de modelos pequenos costuma sugerir.

O primeiro é o controle de implantação. Um arquivo BF16 de 9,08 GB pode ser fixado, versionado e enviado para uma máquina de borda. Um arquivo de 56 GB não pode, e uma API hospedada não oferece nem os pesos nem garantia de versão. Se a restrição do seu produto é "o modelo viaja com o dispositivo", o 27B não é candidato a nenhum preço.

A segunda é a previsibilidade de custos em escala. A inferência auto-hospedada tem uma curva de custo fixa e nenhuma cobrança por token. Com 200.000 consultas de imagens por dia, US$ 1,22 por mil equivale a cerca de US$ 244 por dia — aproximadamente US$ 7.300 por mês — no modelo 27B pelo preço de tabela. Se a auto-hospedagem supera isso depende inteiramente da utilização, e uma única placa subutilizada frequentemente não supera.

O terceiro é a especialização em tarefas. Se a sua carga de trabalho é genuinamente "qual destas quatro regiões contém a evidência", o ZwZ2-4B foi treinado precisamente nesse formato com uma etapa de filtragem concebida para remover perguntas respondíveis sem a região. Um generalista gasta capacidade em tudo o resto. Este é o caso em que um checkpoint de 4,5B pode superar um de 28B, e é o único caso em que a afirmação de 5,38 pontos do fornecedor significaria o que um leitor espera que signifique.

Como decidir, na ordem em que a decisão realmente acontece

• Se os pesos precisarem ficar em hardware que você controla e o hardware for pequeno — opte pelo ZwZ2-4B, aceite a ambiguidade da licença e reserve orçamento para sua própria avaliação.

• Se a tarefa for múltipla escolha fundamentada em regiões ou recuperação de evidências visuais — teste o ZwZ2-4B contra o Qwen3.5-4B com seus próprios dados antes de olhar para o 5,38 do cartão. Esse delta, reproduzido, é o único número que importa.

• Se você precisa de vídeo, documentos longos, descrição aberta ou uma licença que sua equipe jurídica assinará — escolha o Qwen3.8-27B e pare de ler.

• Se você não tem hardware nem disposição para servir — siga o caminho do Qwen hospedado, porque a alternativa é um projeto de operações, não uma escolha de modelo.

A parte desconfortável deste confronto é que a comparação interessante não é a do título. ZwZ2-4B versus Qwen3.8-27B é uma decisão sobre classe de implantação disfarçada de comparação de modelos. O verdadeiro confronto direto — mesma base, mesmo tamanho, mesmo custo de serving, uma diferença medida de 5,38 pontos — é ZwZ2-4B contra Qwen3.5-4B, e esse é o experimento que vale a pena rodar nas suas próprias imagens antes que qualquer um desses números mude sua arquitetura.