ZwZ2-9B släpptes i tysthet: Vad 9,4 miljarder vikter säger dig när labbet tiger

Klockan 03:42 UTC den 16 oktober 2026 dök ett Hugging Face-repositorium upp med namnet inclusionAI/ZwZ2-9B. Fyra minuter senare fick det sin enda commit – "Add ZwZ2-9B model weights" – och sedan ingenting. Det finns ingen README, inget licensfält, ingen länk till någon artikel, ingen benchmarktabell och ingen post i någon av de tio offentliga samlingarna som organisationen inclusionAI underhåller. Vikterna själva är 9 409 813 744 parametrar i bfloat16, och de beskriver en vision-språkmodell med hybriduppmärksamhet vars konfiguration, rad för rad, är konfigurationen för Qwen3.5-9B med ett prediktionshuvud borttaget. Det är allt som är bekräftat. Allt annat i den här artikeln är märkt som inferens, eftersom ett repositorium utan ett modellkort inte berättigar någon till mer.

Det här är normalt, förresten, och värt att säga innan förbehållen hopar sig. inclusionAI är labbet med öppna vikter bakom familjerna Ling, Ring, LLaDA och Ming, och det har en vana att lägga ut checkpoints dagar eller veckor innan någon prosa dyker upp. Den 13 oktober – tre dagar före detta – lade det upp Ling-3.1-flash med ett kort modellkort och inget tillkännagivande heller. Ett tyst repo är inte en varningsflagga. Det är en anledning att läsa filerna i stället för marknadsföringen.

Vad finns egentligen i arkivet?

Åtta filer, och listan är berättelsen. Det finns en .gitattributes, en chat_template.jinja, en config.json, en generation_config.json, en enda 18,8 GB model.safetensors, en processor_config.json, en tokenizer.json och en tokenizer_config.json. Det finns ingen README.md. Det finns ingen LICENSE. Repositoriet har exakt tre taggar — safetensors, qwen3_5 och region:us — vilket betyder att Hub inte har någon pipeline-tagg för det alls: det klassificeras inte som image-text-to-text, text-generation eller något annat. När detta skrivs visar det noll nedladdningar och två gillningar.

• Totalt antal parametrar — 9,409,813,744 fördelade över 760 tensorer, bfloat16.

• Arkitektur — Qwen3_5ForConditionalGeneration, modelltyp qwen3_5.

• Textstack — 32 lager, dold storlek 4 096, 16 query-huvuden mot 4 KV-huvuden, huvuddimension 256, mellanstorlek 12 288, ordförråd 248 320.

• Attention-mönster – tre lager med linjär attention, sedan ett lager med full attention, som upprepas: 24 linjära lager och 8 lager med full attention.

• Kontext — 262 144 positioner, rotationsbas 10 000 000, interfolierad M-RoPE med sektionen [11, 11, 10].

• Visionstorn — djup 27, dold storlek 1 152, patchstorlek 16, spatial sammanslagning 2, temporal patch 2, projicerar till 4 096.

• Licens — ingen angiven. Inte apache-2.0, inte en anpassad licens, ingenting.

Konfigurationen är en Qwen3.5-9B-konfiguration

Diffa de två config.json-filerna och nästan varje arkitektoniskt värde matchar. Dold storlek, lagerantal, antal huvuden, huvuddimension, intermediär storlek, vokabulär, 3:1-schemat för linjär-till-full attention, M-RoPE-avsnittet, rotationsbasen, taket på 262 144 positioner och hela visionstornet ända ner till dess 2 304 positionsinbäddningar är identiska med Qwen3.5-9B. Den väsentliga skillnaden är en rad: mtp_num_hidden_layers är 1 i Qwen3.5-9B och 0 här, så ZwZ2-9B har inget huvud för multi-token-prediktion. Resten av diffen är serialisering – en nyare transformers-version som skriver ut fält som den äldre filen lämnade implicita, och vision-konfigurationens modelltyp har bytt namn från qwen3_5 till qwen3_5_vision.

Vad det säger dig är snävt men verkligt: detta är inte en ny arkitektur. Det är en checkpoint på Qwen3.5-9B-stacken, eftertränad av någon, med det spekulativa avkodningshuvudet borttaget. Vad det inte säger dig är vad den efterträningen var. Parametrarna förändrades; formen gjorde det inte.

Det enda stället där modellen faktiskt säger något om sig själv

Chattmallen är den enda filen här som har en ståndpunkt, och den avviker från Qwen3.5-9B på tre sätt som en läsare kan kontrollera på ungefär en minut.

Det första är en förvald systemprompt. När en begäran kommer in utan ett systemmeddelande injicerar ZwZ2-9B:s mall ett: "En konversation mellan Användare och Assistent. Användaren ställer en fråga och Assistenten löser den… Svaret omges av taggarna <answer> </answer>." Qwen3.5-9B:s mall har ingen sådan gren – den avger helt enkelt ingenting. En inbakad systemprompt som anger ett utdataformat är kännetecknet för en specifik träningskörning, inte för en basmodell.

The second is the thinking default, and it is inverted. In Qwen3.5-9B the template emits an empty <think></think> block only when the caller explicitly passes enable_thinking: false, which means reasoning is on unless you turn it off. In ZwZ2-9B the condition is not defined or false — the empty block appears by default and the open <think> tag only when a caller explicitly asks for thinking. Same tags, opposite default. Qwen3.8-27B, for the record, kept the Qwen3.5 behaviour, so this is not simply inherited from a newer generation.

Den tredje är bokföring för resonemang över flera turer: mallen förstår en preserve_thinking-flagga, och den vet hur man tar bort ett <think>-block från en assistenttur som redan innehåller ett sådant. Inget av dessa finns i Qwen3.5-9B-mallen. Tokenizern reserverar för övrigt fortfarande de speciella ljudtokenarna — <|audio_start|>, <|audio_end|>, <|audio_pad|> — men det finns inget ljudtorn någonstans i konfigurationen, så betrakta det som delad tokenizer-vokabulär snarare än en kapacitet.

Vad namnet antyder, och vad det inte gör

"ZwZ2" låter som en andra generation av något, och det finns en första generation att peka på. ZwZ-2B, publicerad den 4 mars 2026, är en finjustering av Qwen3-VL-2B-Instruct tränad med Region-to-Image Distillation plus förstärkningsinlärning, publicerad tillsammans med artikeln Zooma utan att zooma (arXiv 2602.11858) och utvärderingssetet ZoomBench. Den är Apache-2.0, den har ett fullständigt modellkort, och den har 159 nedladdningar på sju månader.

Antydan om släktskap är dock tunnare än namnet antyder. ZwZ-2B är byggd på qwen3_vl-arkitekturen. ZwZ2-9B är byggd på qwen3_5. Den enda taggen som inclusionAI har använt är qwen3_5, och modellen finns inte i ZwZ-samlingen eller i någon annan. Huruvida region-till-bild-receptet har förts vidare är precis en sådan fråga som ett modellkort skulle besvara och som detta repo inte gör.

En fälla värd att flagga, eftersom sökmotorer kommer att leda in folk i den: det finns en äldre, orelaterad ZwZ_32B familj av GGUF-konverteringar daterade mars 2025, från en tredje part. Den delar tre bokstäver och inget annat. Tolka den inte som en tidigare ZwZ2-9B.

Hur man behandlar en odokumenterad checkpoint

Den praktiska hållningen är densamma som du skulle inta med vilka vikter som helst som kommer utan ett kort. Hämta konfigurationen och safetensors-headern först – det är billigt och det går att kontrollera. Bekräfta att parameterantalet och tensornamnen stämmer överens med vad konfigurationen utlovar. Servera den sedan i ett ramverk som stöder arkitekturen och kör de utvärderingar som du redan kör på din egen trafik i stället för att låna siffror som inte finns.

Licensen är den del som spelar roll för allt annat än en helg. En checkpoint utan licensfält är inte samma sak som en öppen sådan; i avsaknad av en deklaration är utgångsläget att utgivaren har förbehållit sig rättigheterna, och det är ett samtal att ta innan det här kommer i närheten av produktion, inte efter. Observera också att du kommer att köra den själv — Hub rapporterar att modellen inte tillhandahålls av någon tjänsteleverantör, och leverantören har inte publicerat någon endpoint.

Det är precis den situationen som automatisk failover finns till för. Om du vill mäta en obeprövad checkpoint mot den sittande lösningen utan att satsa en produktionsväg på den, placera kandidaten bakom samma gränssnitt som de modeller du redan litar på och låt trafiken flyttas tillbaka när den nya beter sig illa — en enda API-nyckel och en enda OpenAI-kompatibel endpoint, i stället för en andra integration som du måste rulla tillbaka. OrcaRouter dirigerar över 200 modeller på det sättet, för vidare leverantörernas listpriser med 0 % påslag, och har inte ZwZ2-9B som värd — vi tänker inte låtsas att det finns en katalogpost för den. Det vi kan erbjuda i dag är familjen den byggdes på och familjen den ersätter: Qwen3.5-serien går att dirigera här, inklusive qwen/qwen3.5-35b-a3b och qwen/qwen3.5-flash, och qwen/qwen3-vl-8b-instruct täcker 8B-visionsplatsen med en dokumenterad, hostad modell för 0,18 USD per miljon indatatokens och 0,70 USD per miljon utdatatokens.

Vad skulle göra detta till en release?

Tre saker, och vilken som helst av dem skulle motivera en omskrivning av den här texten. Ett licensfält som dyker upp i förvaret, vilket förvandlar det från en kuriositet till något ett företag kan använda. Ett modellkort med utvärderingssiffror, vilket förvandlar det från en arkitektur till ett påstående. Eller en artikel — den mest sannolika formen är det region-till-bild-arbete som gjorde den första ZwZ intressant, tillämpat på ett visionstorn tre gånger så stort.

Tills en av dem landar, behandla ZwZ2-9B som vad filförteckningen säger att det är: en Qwen3.5-9B-derivata med 9,4 miljarder parametrar och en anpassad chattmall, publicerad av ett labb som ännu inte har berättat för någon varför. Vikterna är verkliga. Historien är ännu inte skriven, och den ärliga hållningen är att ingen utanför inclusionAI kan skriva den.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.