ZwZ2-27B: เวตโมเดลเปิดตัวเมื่อวันที่ 16 ตุลาคม คำอธิบายมาถึงอีกสิบวันต่อมา

ZwZ2-27Bสามารถดาวน์โหลดได้จาก Hugging Face ตั้งแต่ 16 ตุลาคม 2026 ในช่วงสิบวันแรกของการเปิดตัวสู่สาธารณะ ไม่มีการประกาศ ไม่มีบทความวิจัย ไม่มี README และไม่มีสัญญาอนุญาตที่ระบุไว้ — มีเพียงชาร์ด safetensors แบบ bf16 สองไฟล์ภายใต้ inclusionAI และรีโพซิทอรีที่ไม่ให้เหตุผลว่าทำไมจึงมีอยู่ ในวันที่ 26 ตุลาคม การ์ดโมเดลได้ปรากฏขึ้น โดยระบุว่าโมเดลนี้เป็นระบบภาพและภาษาที่ฝึกด้วยการเรียนรู้แบบเสริมกำลัง สร้างขึ้นบน Qwen3.6-27B และเผยแพร่การประเมินด้วยเกณฑ์มาตรฐาน 25 รายการ ซึ่งโมเดลนี้เอาชนะโมเดลฐานนั้นได้ 4.99 คะแนนโดยรวม

ทั้งหมดของสิ่งใหม่มีเพียงเท่านี้ และควรแยกให้ชัดจากสิ่งที่ผู้คนจะคาดเดาว่าเกิดขึ้น นี่ไม่ใช่การเปิดตัว เวตมีอายุสิบเอ็ดวันแล้ว และผู้จำหน่ายยังไม่ประกาศออกมา สิ่งที่เปลี่ยนไปในสัปดาห์นี้คือตอนนี้เราอ่านได้แล้วว่า inclusionAI มองว่าโมเดลนี้มีไว้เพื่ออะไร

อะไรเปลี่ยนแปลงไปจริง ๆ บ้าง แยกตามวันที่

ประวัติการคอมมิตของรีโพซิทอรีเองเป็นหลักฐานที่ชัดเจนที่สุดเท่าที่มีอยู่ และมันไม่ได้ทำให้เรื่องราวดูดีขึ้น สามคอมมิตบรรจุทุกอย่างไว้:

• 16 ตุลาคม 05:42 UTC — คอมมิตเริ่มต้น จากนั้นอีกสิบนาทีต่อมา “เพิ่มน้ำหนักโมเดล ZwZ2-27B” คอนฟิก โทเคไนเซอร์ โปรเซสเซอร์ และไฟล์น้ำหนักสองชาร์ด ไม่มี README

• 26 ตุลาคม 02:58 UTC — “Create README.md” คำอธิบายเป็นลายลักษณ์อักษรฉบับแรกของโมเดล สิบวันหลังจากน้ำหนัก

• 26–27 ตุลาคม — มีการแก้ไข README ซ้ำหลายครั้งและการอัปโหลดไฟล์หกไฟล์ ขณะที่รวบรวมตัวเลข benchmark และแอสเซ็ตภาพ

ณ เวลาที่เขียนนี้ รีโพซิทอรีแสดงยอดดาวน์โหลด 7 ครั้งและไลก์ 0 ครั้ง โปรเจกต์ GitHub คู่กัน inclusionAI/Zooming-without-Zooming-v2 ถูกสร้างขึ้นเมื่อวันที่ 14 ตุลาคม และมี 1 สตาร์ การค้นหาชื่อโมเดลในภาษาอังกฤษให้ผลลัพธ์เป็นบทความที่กล่าวถึงตระกูล ZwZ-2B/4B/8B รุ่นเก่า และเกี่ยวกับ ZwZ2-9B เมื่อวันที่ 16 ตุลาคม แต่ไม่มีอะไรเลยเกี่ยวกับ 27B หากมีการเปิดตัวเกิดขึ้นที่นี่ ก็เป็นการเปิดตัวที่เกิดขึ้นโดยไม่มีผู้ชม

โมเดลในไฟล์คอนฟิก

ไฟล์คอนฟิกเป็นส่วนที่ดูไม่หวือหวาที่สุดและเชื่อถือได้มากที่สุดในทุกการเปิดตัว ไฟล์นี้อธิบายโมเดลภาษาภาพแบบเดนส์ (dense vision-language model) ซึ่งการประกาศสถาปัตยกรรมคือ Qwen3_5ForConditionalGeneration — คลาสเดียวกับที่โมเดลของ Qwen เองใช้ — โดยมีตัวเลขดังนี้:

• เท็กซ์ทาวเวอร์ — ขนาดซ่อน 5,120, 64 เลเยอร์, 24 หัว query และ 4 หัว KV ที่มิติหัว 256, ความกว้างฟีดฟอร์เวิร์ด 17,408

• เลย์เอาต์แอตเทนชัน — อัตราส่วน 3:1 ของเลเยอร์แอตเทนชันเชิงเส้นต่อเลเยอร์แอตเทนชันเต็มรูปแบบ โดยทำซ้ำ 16 ครั้ง พร้อม M-RoPE แบบสลับและฐาน rotary ที่ 10,000,000

• คำศัพท์และบริบท — 248,320 โทเคน, 262,144 ตำแหน่งเนทีฟ

• Vision tower — 27 เลเยอร์ที่ขนาด hidden 1,152 โดยโปรเจกต์ไปยัง 5,120 ขนาดแพตช์ 16 พร้อมการรวมเชิงพื้นที่แบบ 2×2

• การทำนายหลายโทเคน — mtp_num_hidden_layers ถูกตั้งค่าเป็น 0, กล่าวคือ หัว MTP ถูกนำออกไปเมื่อเทียบกับแบ็กโบน Qwen

บรรทัดสุดท้ายนั้นเป็นความแตกต่างเชิงโครงสร้างเพียงอย่างเดียวจากฐาน ทุกอย่างอื่น — จำนวนเลเยอร์ เรขาคณิตของหัว คำศัพท์ เพดานบริบท ความลึกของการมองเห็น — ตรงกับ Qwen3.6-27Bทุกประการ. ZwZ2-27B เป็นโครงเดียวกัน แต่มีรูปแบบการฝึกหลังการฝึกที่แตกต่างออกไป และถอดหัว speculative-decoding ออกหนึ่งหัว

นอกจากนี้ยังหมายความว่าโมเดลนี้ไม่ได้มีขนาดเล็ก ที่ 27B พารามิเตอร์ใน bf16 น้ำหนักมีขนาดประมาณ 54 GB กระจายอยู่สอง shard ซึ่งทำให้โหลดได้อย่างสบายบน accelerator 80 GB หนึ่งตัว หรือโหลดได้แบบตึง ๆ เมื่อใช้การ์ด 40 GB สองใบ ไม่มีตัวแปรแบบ quantized ใน repository ไม่มี recipe สำหรับ vLLM หรือ SGLang และไม่มีโน้ตสำหรับการเสิร์ฟนอกเหนือจาก quickstart ของ Hugging Face transformers ที่ปักหมุดไว้ที่เวอร์ชัน 5.13.1

ข้อกล่าวอ้าง +4.99 และสิ่งที่ครอบคลุมไว้อย่างชัดเจน

พาดหัวของการ์ดคือ จาก 25 เบนช์มาร์กในหกโดเมน โมเดล “พัฒนาขึ้นกว่าฐานโมเดลของตนในทุกเบนช์มาร์ก” ทำให้ค่าเฉลี่ยโดยรวมขยับจาก 55.52 เป็น 60.51 ทั้งสองครึ่งของประโยคนั้นสอดคล้องกับรูปผลลัพธ์ที่เผยแพร่ และทั้งสองส่วนจำเป็นต้องมีคำขยายความ

{{1}}ข้อควรระวังคือ นี่เป็นฮาร์เนสของ inclusionAI เอง เป็นการเลือกเบนช์มาร์กของตัวเอง และเป็นการให้คะแนนของตัวเอง ซึ่งเผยแพร่บนรีโพซิทอรีของตัวเอง{{/1}} ไม่มีส่วนใดในนี้ที่ได้รับการทำซ้ำหรือตรวจสอบซ้ำจากภายนอกองค์กร {{2}}นี่คือการประเมินจากผู้ขายในความหมายปกติทั่วไป คือมีประโยชน์ในการดูว่าทีมoptimized อะไร แต่ไม่สามารถใช้เป็นคะแนนอิสระได้{{/2}}

ข้อแม้อีกประการหนึ่งคือขนาด การเพิ่มขึ้น 4.99 จุดบนค่าเฉลี่ยจาก 25 benchmark ถือเป็นการเปลี่ยนแปลงจริง แต่ค่าเฉลี่ยนั้นเป็นค่าเฉลี่ยของความแม่นยำจากงานที่แตกต่างกันมาก โดยถ่วงน้ำหนักเท่ากันในแต่ละโดเมน ค่าเฉลี่ยนี้ไม่ใช่ดัชนีความสามารถ และไม่ควรนำไปเปรียบเทียบกับคะแนนจากชุดทดสอบอื่นเด็ดขาด

นี่คือการแยกย่อยในระดับโดเมน ระหว่างโมเดลฐานกับโมเดลที่ปรับแต่งแล้ว:

• การรับรู้รายละเอียดย่อย — 62.09 ถึง 67.57 เพิ่มขึ้น 5.48 ในแปดเกณฑ์มาตรฐาน รวมถึง VStar, HR-8K และ MME-RealWorld

• การรับรู้เชิงพื้นที่ — 49.72 ถึง 55.98 เพิ่มขึ้น 6.26 จากเกณฑ์มาตรฐานหกรายการ

• ความเข้าใจบริบทระยะยาว — 65.87 ถึง 68.77 เพิ่มขึ้น 2.90 ในสามเบนช์มาร์ก

• การให้เหตุผลเชิงพื้นที่แบบฝังตัว — 50.17 ถึง 55.71 เพิ่มขึ้น 5.54 จากเกณฑ์มาตรฐานสามรายการ

• เอเจนต์มัลติโมดัล — 49.73 ถึง 51.81 เพิ่มขึ้น 2.08 จากสามเกณฑ์มาตรฐาน

• การให้เหตุผลเชิงภาพทั่วไป — 47.89 ถึง 53.71 เพิ่มขึ้น 5.82 ใน MMStar และ BabyVision

จุดที่ผลประโยชน์กระจุกตัวอยู่ — และจุดที่โมเดลยังคงอ่อนแอ

รูปร่างของตารางนั้นสำคัญกว่าค่าเฉลี่ยของมัน การปรับดีขึ้นเชิงสัมพัทธ์ที่ใหญ่ที่สุดอยู่ที่การรับรู้เชิงพื้นที่และการให้เหตุผลแบบมีร่างกาย ซึ่งสอดคล้องกับสิ่งที่วิธีการนี้อ้างว่าสอน: การเปรียบเทียบ การจับคู่ และการรวบรวมหลักฐานจากหลายพื้นที่ที่ถูกทำเครื่องหมายในภาพเดียว โดยใช้ภาพเต็ม ณ เวลาอนุมาน และไม่มีการเรียกซูมจากภายนอก

การเพิ่มขึ้นที่น้อยที่สุดสองอันดับคือบริบทยาวและเอเจนต์มัลติโมดัล สองโดเมนนี้ยังเป็นโดเมนที่โมเดลฐานแข็งแกร่งที่สุดอยู่แล้วเมื่อเทียบกับงาน ซึ่งเป็นรูปแบบปกติของการฟีนจูนด้วย RL บนสูตรข้อมูลแบบแคบ: มันขยับเฉพาะสิ่งที่สัญญาณรางวัลมองเห็นได้

ตัวเลขสัมบูรณ์เป็นส่วนที่อ่านแล้วหนักใจกว่า Chartography อยู่ที่ 12.00 AgentVista อยู่ที่ 18.18 Perception-Bench อยู่ที่ 44.93 โมเดลหนึ่งสามารถได้คะแนนเพิ่มขึ้นห้าคะแนนโดยรวมและยังคงใกล้เคียงกับใช้งานไม่ได้กับเกณฑ์วัดเดี่ยวหลายรายการในชุดนี้ และโมเดลนี้ก็เป็นเช่นนั้น ใครก็ตามที่อ้าง “60.51 โดยรวม” เป็นตัวเลขความสามารถทั่วไป กำลังอ้างค่าเฉลี่ยที่ซ่อน 12 ไว้

สูตรการฝึกนี้อธิบายถึงเพดานความสามารถ EvidenceConnect สร้างข้อมูลจากภาพ SA-1B โดยการจัดกลุ่มภูมิภาคที่เกี่ยวข้องกันสามถึงเจ็ดภูมิภาค สร้างคำถามพร้อมภาพครอบตัดซูมแบบ privileged กรองผ่านความสอดคล้องข้ามโมเดลและการทดสอบแบบตัดภูมิภาคออกทีละภูมิภาค แปลงเป็นงานแบบสี่ตัวเลือก และฝึกด้วย GRPO — โมเดลทั้งสามขนาดใช้ตัวอย่างประมาณ 20,000 ตัวอย่าง โดยไม่มีขั้นตอนการปรับแต่งแบบมีผู้สอน นี่คืออาหารฝึกที่มุ่งเน้น มันให้การรับรู้ระดับภูมิภาคได้อย่างน่าเชื่อถือ และไม่ได้แสร้งว่าจะให้การให้เหตุผลแบบปลายเปิด

คอลัมน์ของแบบจำลองอ้างอิงควรมีคำเตือน

แผนภาพผลลัพธ์ยังแสดงโมเดล API สามรุ่นเป็นจุดอ้างอิง ได้แก่ GPT-5.6-Luna ที่ 54.02, GLM-5.3-Flash ที่ 57.24 และ DeepSeek-V4.1-Flash ที่ 55.47 เทียบกับ ZwZ2-27B ที่ 60.51 เมื่อมองผิวเผิน สิ่งนี้ทำให้เช็กพอยต์แบบ open-weights ที่อัปโหลดอย่างเงียบ ๆ อยู่เหนือโมเดลโปรดักชันที่โฮสต์ไว้สามรุ่น

มีสามประการที่ควรทำให้การตีความนั้นต้องระมัดระวังมากขึ้น ประการแรก ข้อจำกัดด้านการให้บริการถูกระบุไว้ในการ์ดนั้นเองว่า ความละเอียดของภาพของโมเดลขั้นสูงถูกจำกัดโดยแพลตฟอร์มที่ให้บริการ ซึ่งเป็นอุปสรรคจริงในชุด benchmark ที่เน้นรายละเอียดปลีกย่อยเป็นจำนวนมาก ประการที่สอง สิ่งเหล่านี้ไม่ใช่การประเมินที่เผยแพร่โดยผู้จำหน่ายเหล่านั้นเอง — แต่เป็น inclusionAI ที่รันโมเดลของบริษัทอื่นผ่านฮาร์เนสของ inclusionAI โดยไม่มีข้อบ่งชี้ว่าผู้จำหน่ายมีส่วนเกี่ยวข้องหรือได้ยืนยันตัวเลขเหล่านี้แล้ว ประการที่สาม คอลัมน์ GPT ถูกทำเครื่องหมายไว้อย่างชัดเจนว่าไม่ได้รายงานสำหรับบางแถว ดังนั้นชุดอ้างอิงจึงมีข้อมูลไม่สม่ำเสมอ

ไม่มีสิ่งใดในนั้นทำให้ตัวเลขผิด แต่ก็หมายความว่าตัวเลขเหล่านั้นเป็นการวัดคู่แข่งโดยห้องแล็บเดียว บนชุดเบนช์มาร์กที่โมเดลของตัวเองได้รับการปรับแต่งเพิ่มเติมถึงสิบวัน ให้ถือว่าการเปรียบเทียบโมเดลฐานเป็นสิ่งที่มีความหมาย และคอลัมน์ API เป็นเพียงบริบท

ยังขาดอะไรอีก

บัญชีรายการสิ่งที่ไม่รู้อย่างตรงไปตรงมายาวกว่าบัญชีรายการสิ่งที่รู้ และมันเริ่มต้นที่สัญญาอนุญาต ส่วนหน้าของการ์ดโมเดลระบุแท็กโมเดลฐาน ชุดข้อมูล และงานในไปป์ไลน์ แต่ไม่ได้ประกาศสัญญาอนุญาต เนื้อความบอกให้ “อ้างอิงสัญญาอนุญาตที่มาพร้อมกับน้ำหนักที่เผยแพร่ และสัญญาอนุญาตของ backbone ที่เกี่ยวข้อง” ซึ่งเป็นวงวนเมื่อตัวน้ำหนักเองไม่ได้มีสัญญาอนุญาตติดมาด้วย Qwen3.6-27B เป็น Apache-2.0 ดังนั้นฝั่ง backbone จึงชัดเจน แต่เงื่อนไขของงานอนุพันธ์ไม่ชัดเจน และสำหรับบริษัทที่ต้องการนำสิ่งนี้ไปจำหน่ายในผลิตภัณฑ์ การละเว้นเพียงจุดเดียวนั้นมีผลกระทบมากกว่าตัวเลข benchmark แถวใด ๆ

เปเปอร์ก็ยังไม่เผยแพร่เช่นกัน ส่วนหัวของการ์ดเองมีข้อความตัวแทนตามตัวอักษรว่า <!-- Replace PAPER_URL with the final v2 paper URL. --> และลิงก์ไปยัง PAPER_URL ที่เก็บโค้ดของโปรเจกต์มีอยู่ แต่ข้อเขียนที่ควรชี้ไปนั้นไม่มีอยู่

นอกจากนั้น:

• ยังไม่มีการประเมินผล ZwZ2-27B โดยอิสระจากผู้ใดเลย

• ยังไม่พบประกาศจากผู้จำหน่าย โพสต์บล็อก หรือโพสต์บนโซเชียลมีเดียสำหรับรุ่นนี้

• การประเมินที่เผยแพร่เป็นโหมด low/thinking — quickstart ของการ์ดรันด้วย enable_thinking=False และเทมเพลตแชตขอให้ใส่คำตอบภายในแท็ก <answer> ตัวเลขในโหมด thinking ไม่ได้เป็นส่วนหนึ่งของข้อกล่าวอ้าง

• ไม่มีการรองรับเฟรมเวิร์กนอกเหนือจากเวอร์ชัน Transformers ที่ปักหมุดไว้ ไม่มี GGUF ไม่มี AWQ และไม่มีคอนฟิก vLLM ที่เผยแพร่

• การ์ดนี้ระบุโหมดความผิดพลาดที่ทราบแล้ว — รายละเอียดที่แต่งขึ้นเอง ข้อความที่อ่านผิด และข้อผิดพลาดด้านการนับและเชิงพื้นที่ — ซึ่งตรงไปตรงมามากกว่าที่การ์ดของผู้ขายส่วนใหญ่แสดงไว้ และเป็นบทสรุปที่เหมาะสมว่าคะแนน 12.00 บน Chartography มีหน้าตาเป็นอย่างไรในทางปฏิบัติ

จะประเมินมันโดยไม่ต้องเดิมพันสิ่งใดกับมันได้อย่างไร

ZwZ2-27B ไม่ได้อยู่ในแคตตาล็อกของเรา และไม่ควรตีความข้อความนี้ว่าบ่งชี้ว่าอยู่ การจะรันมันในวันนี้ คุณต้องดาวน์โหลดเวตของโมเดล 54 GB ติดตั้งบิลด์ Transformers ที่เฉพาะเจาะจง และให้บริการด้วยตัวเอง — ซึ่งถือเป็นช่วงบ่ายที่สมเหตุสมผลหากคุณมีฮาร์ดแวร์อยู่แล้ว และเป็นการใช้เวลาที่ไม่คุ้มเลยหากคุณกำลังพยายามตอบคำถามเกี่ยวกับผลิตภัณฑ์ภายในสัปดาห์นี้

ลำดับที่ประหยัดกว่าคือการทดสอบข้ออ้างแทนที่จะทดสอบโมเดล ข้ออ้างนี้แคบ: การทำ RL บนชุดข้อมูลเปรียบเทียบภูมิภาคขนาด 20K ตัวอย่างทำให้เช็กพอยต์ Qwen3.6-27B อ่านรายละเอียดเล็ก ๆ ได้ดีขึ้นโดยไม่ต้องใช้เครื่องมือซูม หากนั่นคือคอขวดจริงของคุณ — เอกสารที่เนื้อหาแน่น แผนภูมิ ภาพหน้าจอ UI คำถามหลายภูมิภาค — โมเดลฐานคือเงื่อนไขควบคุม และตัวสืบทอดของมันก็กำหนดเส้นทางได้ที่นี่แล้ว: Qwen3.8-27B และ Qwen3.5-27B ต่างอยู่บน OrcaRouter ภายใต้คีย์เดียว ควบคู่ไปกับ โมเดลอื่นอีกกว่า 200 โมเดลในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม หาก ZwZ2-27B ที่โฮสต์เองกลายเป็นว่าคุ้มค่าที่จะนำมาใช้ คุณสามารถวางมันไว้บนคีย์เดียวกัน และให้การสลับอัตโนมัติเมื่อเกิดความล้มเหลวเป็นตัวตัดสินระหว่างมันกับโมเดลทั่วไปที่โฮสต์ไว้ แทนที่จะเขียนการเชื่อมต่อใหม่

สิ่งที่จะยกระดับจาก “อัปโหลดที่น่าสนใจ” ไปสู่ “โมเดลที่พร้อมนำไปใช้” คือรายการสั้น ๆ ได้แก่ ไลเซนส์ที่ระบุชื่อชัดเจน เอกสารงานวิจัยที่ให้คนอื่นตรวจสอบการสร้างเบนช์มาร์กได้ การรันโดยอิสระหนึ่งครั้ง—แม้จะเพียงบางส่วน—บนเบนช์มาร์กที่ผู้ขายไม่ได้เป็นคนเลือก และประกาศอย่างเป็นทางการ ซึ่งหลังจากความเงียบมาสิบเอ็ดวัน เริ่มดูเหมือนเป็นการจงใจไม่พูดถึงมากกว่าความหลงลืม

จนถึงตอนนั้น ข้อความที่ป้องกันได้ยังแคบและควรพูดให้ตรงไปตรงมา: checkpoint ขนาด 27B ที่ไม่มีเอกสารกำกับจาก inclusionAI ตั้งอยู่บน Hugging Face ตั้งแต่ 16 ตุลาคม และ ณ 26 ตุลาคม ผู้เขียนยินดีอ้างว่าดีขึ้น 5 จุดเมื่อเทียบกับ Qwen3.6-27B บนชุด benchmark ที่พวกเขาสร้างขึ้นเอง นั่นคือสมมติฐานที่แนบมากับน้ำหนักโมเดล ยังไม่ใช่ผลลัพธ์