ZwZ2-4B กับ Qwen3.8-27B: ผู้เชี่ยวชาญ 4.5B พบกับเรือธง 28B ของ Qwen

สมมติว่าท่อประมวลผลภาพของคุณรัน 200,000 คำค้นต่อวัน และคุณมีการ์ดความจุ 16 GB เพียงใบเดียว ข้อจำกัดเดียวนี้ตัด Qwen3.8-27B ออกไปก่อนจะพูดถึงเบนช์มาร์กใด ๆ: ด้วยพารามิเตอร์ 28 พันล้านตัว น้ำหนัก BF16 เพียงอย่างเดียวมีขนาดราว 56 GB และไม่ว่าการให้บริการจะฉลาดแค่ไหนก็ไม่สามารถใส่มันลงใน 16 GB ได้โดยไม่ใช้ควอนไทเซชันที่คุณไม่ได้จัดสรรงบไว้ ZwZ2-4B ซึ่งมีพารามิเตอร์ 4.54 พันล้านตัวและไฟล์น้ำหนักขนาด 9.08 GB นั้นพอดี ดังนั้นคำถามที่ตรงไปตรงมาจึงไม่ใช่รุ่นไหนดีกว่า แต่คือความสามารถที่แคบกว่าของเช็กพอยต์ขนาดเล็กเป็นข้อจำกัดจริงสำหรับภาระงานของคุณหรือไม่ หรือคุณกำลังจะจ่ายเงินซื้อรุ่นเรือธงเพื่อตอบคำถามเกี่ยวกับภาพครอปของภาพสินค้า

มีจุดที่ทำให้การจับคู่นี้แปลกกว่าที่ชื่อย่อชวนให้คิดไว้ Qwen รุ่น 3.8 ไม่เคยเปิดตัวโมเดลในคลาสขนาดนี้เลย สมาชิกของรุ่นนี้ได้แก่โมเดล dense ขนาด 27B จากวันที่ 5 สิงหาคม 2026, mixture-of-experts ขนาด 2.4 ล้านล้านพารามิเตอร์จากวันที่ 8 สิงหาคม และ Flash-Next เมื่อวันที่ 24 สิงหาคม — ซึ่งถึงแม้ชื่อจะสื่อเช่นนั้น แต่เป็นโมเดลขนาด 180 พันล้านพารามิเตอร์บนตระกูลสถาปัตยกรรมที่แตกต่างออกไป ไม่มีโมเดล dense ใดที่ต่ำกว่า 27B ดังนั้น ZwZ2-4Bมีคู่แข่งขนาดเดียวกันที่แท้จริงคือQwen3.5-4B ซึ่งเป็นเช็กพอยต์เดือนกุมภาพันธ์ที่มันถูก fine-tune มา Qwen3.8-27B เข้ามาในการเปรียบเทียบนี้ในฐานะเพดาน ไม่ใช่ในฐานะคู่เทียบ

ไม่มีเกณฑ์มาตรฐานใดที่ทั้งสองนี้จะมาบรรจบกันได้

เริ่มจากจุดที่ทำให้หน้าเปรียบเทียบส่วนใหญ่ไม่ซื่อตรง Qwen3.8-27B มีการประเมินที่เผยแพร่แล้วและมีระบบนิเวศรองรับ ส่วน ZwZ2-4B มีผลการทดสอบ benchmark 25 รายการที่มีอยู่เพียงใน model card ของตัวเองเท่านั้น สร้างโดยห้องแล็บที่ฝึกโมเดลนี้ และไม่มีการทำซ้ำอย่างเป็นอิสระที่ใดเลย คุณไม่สามารถนำตัวเลข 54.79 ที่ผู้ขายรายงานมาเทียบกับชุด benchmark จากอีกห้องแล็บหนึ่งแล้วลบกันได้ ตัวเลขทั้งสองไม่ได้เกิดขึ้นจากงานเดียวกัน ที่ความละเอียดเดียวกัน ภายใต้ harness เดียวกัน

ดังนั้นบทความนี้จึงไม่ได้ให้คะแนนพวกมันแบบเทียบกัน แต่เปรียบเทียบว่าสิ่งที่แต่ละตัวถูกสร้างมาให้ทำ ค่าใช้จ่ายในการใช้งานของแต่ละตัว และสิ่งที่ตัวที่เล็กกว่าต้องแลกไป เมื่อมีตัวเลขปรากฏขึ้น จะมีป้ายกำกับว่าใครเป็นผู้จัดทำตัวเลขนั้น

ช่องว่างทีละมิติ

• พารามิเตอร์ — ZwZ2-4B 4,539,265,536 เทียบกับ Qwen3.8-27B 28B บนการ์ดของรุ่นนั้น

• น้ำหนักบนดิสก์ — ประมาณ 9.08 GB BF16 เทียบกับประมาณ 56 GB BF16

• ความลึก — 32 เลเยอร์ เทียบกับ 64

• ความกว้าง — ขนาดซ่อน 2,560 เทียบกับ 5,120

• รูปร่างของ attention — 16 หัว query เทียบกับ 4 หัว KV ที่มิติหัว 256 ในทั้งสอง

• กำหนดการความสนใจ — อัตราส่วนแบบเชิงเส้นต่อแบบเต็ม 3:1 ในทั้งสอง

• หน้าต่างบริบท — 262,144 ตำแหน่งในทั้งสอง

• คำศัพท์ — 248,320 โทเค็นในทั้งสองภาษา

• Vision tower — 24 เลเยอร์ที่ hidden 1,024 เทียบกับ 27 เลเยอร์ที่ hidden 1,152

• สัญญาอนุญาต — ไม่ได้ระบุไว้สำหรับ ZwZ2-4B เทียบกับ Apache-2.0 สำหรับ Qwen3.8-27B

สี่แถวที่ตรงกันคือแถวที่น่าสนใจ ทั้งสองโมเดลสืบทอดตัวระบุสถาปัตยกรรมเดียวกัน qwen3_5 โดยมีเรขาคณิตของ attention เดียวกันและเพดานบริบทเดียวกัน เจเนอเรชัน 3.8 ไม่ได้ออกแบบสแต็กใหม่ แต่ขยายขนาดมัน นั่นคือเหตุผลที่คอนฟิกของ 4B ดูเหมือนเวอร์ชันย่อของ 27B มากกว่าจะเป็นวัตถุแปลกปลอม และยังเป็นเหตุผลที่ 4B สืบทอดลักษณะการเสิร์ฟของ 27B — เลเยอร์ linear-attention คือสิ่งที่ทำให้บริบท 262K คุ้มต้นทุนในขนาดนี้

ตัวเลขเดียวในแมตช์อัปทั้งหมดที่เทียบกันได้แบบแอปเปิลต่อแอปเปิล

การ์ดของ ZwZ2-4B รายงานว่าโมเดลฐานของมันอยู่ที่ 49.41 และตัวมันเองอยู่ที่ 54.79 จาก benchmark 25 รายการ เพิ่มขึ้น 5.38 คะแนน นั่นคือการเปรียบเทียบระหว่างเช็กพอยต์สองตัวที่ฝึกและวัดด้วยกระบวนการเดียวกัน บนงานเดียวกัน โดยห้องแล็บเดียวกัน ยังคงเป็นข้อมูลที่ผู้ขายรายงาน และการเลือก benchmark ก็เป็นของห้องแล็บ แต่อย่างน้อยทั้งสองฝั่งของการลบก็เทียบกันได้

มีสองประเด็นตามมา ประการแรก การเพิ่มขึ้นเป็นของจริงเพียงในแง่ที่ห้องแล็บวัดได้เท่านั้น ยังไม่มีใครทำซ้ำผล 54.79 ได้ ประการที่สอง ซึ่งมีประโยชน์กว่า คือ baseline เป็นโมเดลที่แข็งแกร่ง Qwen3.5-4B มียอดดาวน์โหลด 7.4 ล้านครั้งต่อเดือนและมี 1,145 ไลก์ — เป็นเช็กพอยต์ที่ถูกนำไปใช้งานอย่างแพร่หลายพร้อมระบบนิเวศจริง ถ้า ZwZ2-4B ดีกว่า 5.38 คะแนนในงานที่เน้นการรับรู้ นั่นคือส่วนต่างที่มีความหมายเมื่อเทียบกับโมเดลที่ผู้คนใช้งานจริง แต่ถ้ามันดีกว่า 5.38 คะแนนบนเบนช์มาร์กที่ถูกเลือกมาเพื่อให้คะแนนกับสิ่งที่มันถูกฝึกมาโดยตรง ส่วนต่างในการใช้งานจริงจะน้อยกว่า

วิธีนี้อธิบายว่าการตีความแบบใดมีแนวโน้มมากกว่า ZwZ2 ถูกฝึกด้วย GRPO บนคำถามแบบเลือกตอบสี่ตัวเลือกที่สร้างจากภาพครอปภูมิภาคของ SA-1B — ประมาณ 20,000 ข้อ — โดยไม่มีขั้นตอน supervised fine-tuning สัญญาณการฝึกทุกสัญญาณที่โมเดลเคยเห็นคือการเลือกหนึ่งในสี่ว่าภูมิภาคหนึ่งมีหลักฐานที่คำถามต้องการหรือไม่ ภาระงานที่มีรูปแบบเช่นนั้นคือที่ที่ค่า 5.38 ควรคงอยู่ การอธิบายแบบเปิดกว้างไม่ใช่รูปแบบเช่นนั้น

สิ่งที่โมเดลเรือธงขนาด 28B ให้ได้ แต่โมเดลขนาด 4.5B ทำไม่ได้

Qwen3.8-27B เป็นโมเดลภาษา-ภาพอเนกประสงค์: รองรับภาพ วิดีโอ การควบคุมการคิดที่ยืดหยุ่น สัญญาอนุญาต Apache-2.0 และมีพื้นที่พารามิเตอร์มากพอที่จะดูดซับข้อมูลก่อนฝึกที่หลากหลาย แทนที่จะเป็นหลักสูตรสังเคราะห์คุณภาพสูงแบบแคบเพียงชุดเดียว จำนวนดาวน์โหลดของมัน — 7.5 ล้านครั้งเมื่อเดือนที่แล้ว พร้อมไลก์ 18,500 ครั้ง — คือสัญญาณจากระบบนิเวศที่สำคัญเมื่อคุณกำลังเลือกโมเดลแกนหลักมากกว่าจะเลือกโมเดลเฉพาะทาง อะแดปเตอร์ การควอนไทซ์ การปรับแต่งละเอียด และเครื่องมือต่าง ๆ มีอยู่สำหรับมัน และไม่มีอยู่สำหรับเช็กพอยต์ที่มียอดดาวน์โหลดเป็นศูนย์

ความกว้างนั้นปรากฏให้เห็นในโหมดความล้มเหลว การ์ดของ ZwZ2-4B ระบุถึงการหลอน การอ่านข้อความผิดพลาด ข้อผิดพลาดในการนับ และข้อผิดพลาดเชิงพื้นที่ พร้อมทั้งระบุว่าผลลัพธ์ขึ้นอยู่กับความละเอียดของภาพ ความยาวบริบท และรูปแบบพรอมต์ โมเดลอเนกประสงค์ขนาด 28B มีประเภทความล้มเหลวเดียวกันในหลักการ แต่มีความสามารถมากกว่าในการเก็บรายละเอียดข้ามบริบทที่ยาวกว่า และไม่มีข้อกำหนดว่างานจะต้องมีลักษณะคล้ายการเลือกจากตัวเลือกสี่ทาง

สำหรับการสกัดเอกสาร การใช้เหตุผลข้ามหลายหน้า วิดีโอ หรือสิ่งใดก็ตามที่คำตอบเป็นย่อหน้ามากกว่าพื้นที่เฉพาะเจาะจง 27B เป็นเครื่องมือที่ดีกว่า และความแตกต่างด้านขนาดไม่ใช่ปัจจัยชี้ขาด — วัตถุประสงค์ในการฝึกต่างหากที่เป็นตัวชี้ขาด

การคำนวณต้นทุน ด้วยราคาจริง

ถึงตรงนี้ การเปรียบเทียบไม่ใช่เรื่องนามธรรมอีกต่อไป บน OrcaRouter qwen/qwen3.8-27b ให้บริการในราคา $0.33 ต่ออินพุตหนึ่งล้านโทเค็น และ $2.40 ต่อเอาต์พุตหนึ่งล้านโทเค็น พร้อมบริบท 262K ลองนึกถึงคำถามภาพตัวอย่างที่มี 1,500 โทเค็นอินพุตและ 300 โทเค็นเอาต์พุต หนึ่งพันคำถามดังกล่าวมีค่าใช้จ่ายประมาณ $1.22 บนรุ่น 27B ส่วนรุ่นที่เบากว่าอย่าง qwen/qwen3.8-flash ซึ่งคิดราคา $0.15 และ $0.47 อยู่ที่ประมาณ $0.37 สำหรับหนึ่งพันคำถามเดียวกัน ขณะที่โมเดลวิชัน 8B แบบโฮสต์อยู่ระหว่างทั้งสองรุ่น

ZwZ2-4B ไม่มีราคาต่อโทเคน เนื่องจากไม่มีเอนด์พอยต์แบบโฮสต์ — หน้า Hugging Face ระบุว่าไม่มีผู้ให้บริการรายใดให้บริการโมเดลนี้ ต้นทุนของมันคือค่าใช้จ่ายต่อชั่วโมง GPU ของคุณหารด้วยปริมาณงานที่ประมวลผลได้ และเป็นตัวเลือกเดียวในการเปรียบเทียบนี้ที่รันบนการ์ดความจุ 16 GB เพียงใบเดียว นั่นคือข้อโต้แย้งเชิงเศรษฐศาสตร์ทั้งหมดสำหรับโมเดลที่เล็กกว่า และเป็นข้อโต้แย้งที่แข็งแรงหากคุณจ่ายค่าฮาร์ดแวร์อยู่แล้ว

จุดหนึ่งเชิงโครงสร้างเกี่ยวกับ routing เนื่องจากสิ่งนี้ส่งผลต่อวิธีที่คุณทดสอบเรื่องนี้ OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% ดังนั้นเมื่อ Qwen เปลี่ยนราคาของโมเดล Qwen ที่โฮสต์ ตัวเลขด้านบนจะเปลี่ยนในวันเดียวกัน แทนที่จะเปลี่ยนเมื่อต่อสัญญาครั้งถัดไป การเปรียบเทียบต้นทุนระหว่าง checkpoint ที่โฮสต์เองกับโมเดลที่โฮสต์จะซื่อตรงได้ก็ต่อเมื่อฝั่งที่โฮสต์สะท้อนราคาตามรายการของวันนี้ และนั่นคือคุณสมบัติที่กำลังอธิบายอยู่ตรงนี้ — ไม่ใช่ส่วนลด

จุดที่โมเดลขนาดเล็กชนะได้แม้แต่รุ่นเรือธง

สามกรณี และกรณีเหล่านี้แคบกว่าที่การตลาดของโมเดลขนาดเล็กมักสื่อเป็นนัย

ข้อแรกคือการควบคุมการดีพลอย ไฟล์ BF16 ขนาด 9.08 GB สามารถล็อกเวอร์ชัน กำหนดเวอร์ชัน และจัดส่งไปยังเครื่อง edge ได้ แต่ไฟล์ขนาด 56 GB ทำแบบนั้นไม่ได้ และ API แบบโฮสต์ก็ไม่ได้ให้น้ำหนักโมเดลหรือการรับประกันเวอร์ชันแก่คุณเลย หากข้อจำกัดของผลิตภัณฑ์คุณคือ "โมเดลต้องเดินทางไปพร้อมกับอุปกรณ์" 27B ก็ไม่ใช่ตัวเลือกไม่ว่าจะราคาเท่าใด

ข้อที่สองคือความสามารถในการคาดการณ์ต้นทุนเมื่อปริมาณสูง การทำอินเฟอเรนซ์แบบโฮสต์เองมีเส้นต้นทุนแบบคงที่และไม่มีมิเตอร์คิดตามโทเคน ที่ 200,000 คำค้นรูปภาพต่อวัน $1.22 ต่อพันคิดเป็นประมาณ $244 ต่อวัน — ประมาณ $7,300 ต่อเดือน — สำหรับรุ่น 27B ในราคาตามรายการ การที่โฮสต์เองจะคุ้มกว่าหรือไม่นั้นขึ้นอยู่กับการใช้งานอย่างเต็มที่ทั้งหมด และการ์ดเพียงใบเดียวที่ใช้งานไม่เต็มมักจะไม่คุ้ม

ประการที่สามคือความเชี่ยวชาญเฉพาะงาน หากภาระงานของคุณเป็นคำถามแนว “ภูมิภาคใดในสี่แห่งนี้มีหลักฐาน” จริง ๆ แล้ว ZwZ2-4B ถูกฝึกมาบนรูปแบบนั้นโดยตรง พร้อมขั้นตอนการกรองที่ออกแบบมาเพื่อตัดคำถามที่ตอบได้โดยไม่ต้องใช้ภูมิภาคนั้นออก โมเดลทั่วไปจะใช้ความสามารถไปกับเรื่องอื่น ๆ ทั้งหมด นี่คือกรณีที่เช็กพอยต์ขนาด 4.5B เอาชนะขนาด 28B ได้ และเป็นกรณีเดียวที่ข้ออ้าง 5.38 จุดของผู้ขายจะหมายถึงสิ่งที่ผู้อ่านหวังให้มันหมายถึง

จะตัดสินใจอย่างไร ตามลำดับที่การตัดสินใจเกิดขึ้นจริง

• หากเวตของโมเดลจำเป็นต้องอยู่บนฮาร์ดแวร์ที่คุณควบคุม และฮาร์ดแวร์มีขนาดเล็ก — ให้เลือก ZwZ2-4B ยอมรับความกำกวมด้านสัญญาอนุญาต และจัดงบประมาณสำหรับการประเมินด้วยตนเอง

• หากงานคือการเลือกตอบแบบหลายตัวเลือกโดยอิงภูมิภาคหรือการค้นคืนหลักฐานเชิงภาพ — ให้ทดสอบ ZwZ2-4B เทียบกับ Qwen3.5-4B บนข้อมูลของคุณเองก่อนจะดูค่า 5.38 บนการ์ด เดลตานั้นเมื่อทำซ้ำได้คือตัวเลขเดียวที่สำคัญ

• หากคุณต้องการวิดีโอ เอกสารยาว คำอธิบายแบบเปิดกว้าง หรือใบอนุญาตที่ทีมกฎหมายของคุณจะลงนาม — ให้ใช้ Qwen3.8-27B แล้วหยุดอ่านได้เลย

• หากคุณไม่มีฮาร์ดแวร์และไม่มีความต้องการที่จะให้บริการเอง — ให้เลือกใช้เส้นทาง Qwen แบบโฮสต์ เพราะทางเลือกอื่นคือโครงการด้านปฏิบัติการ ไม่ใช่การเลือกโมเดล

ส่วนที่ไม่สบายใจของแมตช์อัปนี้คือ การเปรียบเทียบที่น่าสนใจไม่ใช่คู่ที่อยู่ในหัวข้อ ZwZ2-4B กับ Qwen3.8-27B เป็นการตัดสินใจเรื่องระดับการปรับใช้ที่ถูกทำให้ดูเหมือนการเปรียบเทียบโมเดล การเทียบแบบตัวต่อตัวที่แท้จริง — ฐานเดียวกัน ขนาดเดียวกัน ต้นทุนการให้บริการเท่ากัน ช่องว่างที่วัดได้ 5.38 จุด — คือ ZwZ2-4B กับ Qwen3.5-4B และนั่นคือการทดลองที่คุ้มค่าจะรันกับภาพของคุณเอง ก่อนที่ตัวเลขใดตัวเลขหนึ่งในนี้จะเปลี่ยนสถาปัตยกรรมของคุณ