ZwZ2-27B vs Qwen3.8-27B: Cùng một bộ khung, hai canh bạc rất khác nhau

ZwZ2-27B so với Qwen3.8-27B là hai mô hình thực chất là cùng một cỗ máy. Mở cả hai tệp cấu hình và các con số khớp nhau từng dòng một: 64 lớp, kích thước ẩn 5.120, 24 đầu truy vấn so với 4 đầu KV ở chiều 256, độ rộng feed-forward 17.408, từ vựng 248.320 token, 262.144 vị trí và một tháp thị giác 27 lớp với kích thước ẩn 1.152. Chúng thậm chí còn khai báo cùng một lớp kiến trúc. Điều phân biệt chúng không phải độ rộng hay độ sâu. Mà là những gì mỗi phòng thí nghiệm đã làm với phần thân đó về sau — và cho đến nay, chưa ai chạy chúng đối đầu nhau để xem lựa chọn nào thắng.

Sự vắng mặt đó là điều đầu tiên cần nói thẳng. Đánh giá được inclusionAI công bố cho ZwZ2-27B so sánh nó với GPT-5.6-Luna, GLM-5.3-Flash và DeepSeek-V4.1-Flash. Đánh giá này không bao gồm Qwen3.8-27B, và không bao gồm bất kỳ mô hình Qwen nào mới hơn mô hình mà ZwZ2 được xây dựng dựa trên. Về phần mình, Qwen chưa từng nhắc đến ZwZ2. Mọi con số dưới đây đều là một phòng thí nghiệm tự đo chính mình, hoặc Qwen tự đo chính mình, và chưa có bên thứ ba nào đưa cả hai vào cùng một khung đánh giá.

Cùng một bộ khung, từng dòng một.

Đáng để nói chính xác mức độ gần nhau của chúng, bởi cách diễn đạt thông thường “27B so với 27B” đã nói giảm đi điều đó. Đây không phải hai mô hình tình cờ đạt tới quy mô tương tự; chúng là hai lần chạy hậu huấn luyện trên cùng một kiến trúc có thể hoán đổi cho nhau.

• Tham số — 27B cho cả hai, dense, không có định tuyến mixture-of-experts trong cả hai cấu hình.

• Độ sâu và chiều rộng — 64 lớp, kích thước ẩn 5.120, kích thước trung gian 17.408, giống hệt nhau ở cả hai tệp.

• Cơ chế chú ý — 24 head truy vấn, 4 head KV, kích thước head 256, hệ số rotary một phần 0,25, cơ số rotary 10.000.000.

• Lịch trình các lớp — mẫu attention tuyến tính-đến-đầy đủ theo tỷ lệ 3:1, 16 lần lặp, ở cả hai.

• Từ vựng và ngữ cảnh — 248,320 token và 262,144 vị trí gốc, ở cả hai.

• Tháp thị giác — 27 lớp, kích thước ẩn 1,152, chiếu tới 5,120, ở cả hai.

Hệ quả thực tế là câu hỏi về phần cứng là cùng một câu hỏi cho cả hai. Khoảng 54 GB trọng số ở bf16, một card 80 GB thì thoải mái hoặc hai card 40 GB thì khá chật vật. Cả hai đều không phải mô hình chạy trên laptop, và cả hai đều không có bản lượng tử hóa trong kho của riêng mình — hệ sinh thái của Qwen tạo ra những bản đó, còn ZwZ2 gần như không có hệ sinh thái nào cả.

Dòng duy nhất khác biệt, và hai giá trị mặc định quan trọng hơn

Về mặt cấu trúc, chỉ có đúng một điểm khác biệt: Qwen3.8-27B đặt mtp_num_hidden_layers thành 1, giữ lại một đầu dự đoán đa token mà Qwen nói rằng đã được huấn luyện với nhiều bước. ZwZ2-27B đặt nó thành 0. Mô hình inclusionAI đã bị cắt bỏ đầu giải mã suy đoán, tức là việc bạn làm khi pipeline huấn luyện không dùng đến nó và bạn muốn xuất xưởng một sản phẩm nhỏ gọn, đơn giản hơn. Đây là một khác biệt thuộc về dọn dẹp nội bộ, không phải một tuyên bố về thiết kế.

Các giá trị mặc định chính là nơi hai mô hình thực sự khác biệt, và chúng sẽ định hình cách tích hợp của bạn hơn bất kỳ giá trị cấu hình nào.

Suy nghĩ. Qwen3.8-27B mặc định suy nghĩ trước khi trả lời, cung cấp ba mức độ nỗ lực với xhigh là mặc định, và có thể giữ lại ngữ cảnh suy luận từ các lượt trước thông qua preserve_thinking. ZwZ2-27B được ghi nhận ở chế độ không suy nghĩ: quickstart của nó truyền enable_thinking=False, chat template của nó yêu cầu mô hình đặt câu trả lời cuối cùng bên trong thẻ <answer>, và toàn bộ đánh giá trên 25 benchmark đều được chạy theo cách đó. Nếu pipeline của bạn mong đợi một phản hồi một lượt, ZwZ2-27B được thiết kế sẵn cho bạn ngay khi dùng. Nếu bạn muốn mô hình suy xét qua một tác vụ năm mươi bước, Qwen3.8-27B có cơ chế cho việc đó còn thẻ của ZwZ2-27B không tuyên bố có bất kỳ điều nào như vậy.

Phương thức. Qwen3.8-27B được ghi nhận là hiểu được hình ảnh và video, với việc lấy mẫu video được điều khiển thông qua lớp phục vụ. Cấu hình của ZwZ2-27B có chứa video_token_id, nhưng thẻ mô tả và đánh giá của nó hoàn toàn chỉ liên quan đến ảnh tĩnh và so sánh vùng. Hãy coi video là chưa được chứng minh ở phía inclusionAI.

Mỗi bên thực sự có thể chứng minh được điều gì

Cả hai nhà cung cấp đều đã công bố đánh giá. Chúng không thể so sánh được với nhau, và lý do không phải ở marketing — mà là hai bộ giải pháp đo lường những thứ khác nhau.

Tuyên bố của ZwZ2-27B dựa trên 25 benchmark thuộc sáu lĩnh vực tri giác, do inclusionAI chấm điểm, đưa mô hình cơ sở của chính nó từ 55.52 lên 60.51. Các con số tuyệt đối mạnh nhất nằm ở tri giác chi tiết (trung bình lĩnh vực 67.57) và hiểu ngữ cảnh dài (68.77), trong khi yếu nhất là Chartography với 12.00 và AgentVista với 18.18.

Bảng công bố của Qwen3.8-27B là một bộ gồm văn bản và tác nhân với một phần thị giác, và Qwen đã chạy nó so với chính phiên bản tiền nhiệm của mình. Một số khoảng cách giữa Qwen3.8-27B và Qwen3.6-27B là rất lớn:

• Lập trình terminal dạng tác tử — Terminal Bench 2.1 đạt 73.0, so với 63.4 của Qwen3.6-27B.

• Kỹ thuật phần mềm — QwenSWEBench đạt 79.0 so với 49.3, và DeepSWE 1.1 đạt 42.2 so với 13.3.

• Sử dụng máy tính — OSWorld-Verified đạt 84.3 so với 63.9; WebArena-Verified đạt 64.8 so với 48.8.

• Sử dụng trên di động — AndroidWorld đạt 81,9 so với 70,3.

• Kỹ thuật phần mềm đa phương thức — SWE-MM đạt 38.6; RecreationBench đạt 47.1 so với 29.8.

• Suy luận khoa học — GPQA Diamond đạt 89,2 so với 87,8, và HLE đạt 30,8 so với 24,0.

Đó là những con số của chính Qwen trên harness của chính Qwen, và chúng nói lên một điều đơn giản: thế hệ 3.8 không phải là một bước tiến nhỏ so với 3.6. Trong công việc phần mềm mang tính tác tử, mức cải thiện được đo bằng hàng chục điểm, không phải ở mức một chữ số.

Tại sao +4.99 so với 3.6 lại không phải là một con số xấp xỉ 3.8

Đây là cái bẫy trong phép so sánh, và rất dễ mắc phải. Mức tăng nổi bật của ZwZ2-27B là +4.99 so với Qwen3.6-27B. Qwen3.8-27B là một mô hình mạnh hơn nhiều so với Qwen3.6-27B trên bộ đánh giá của Qwen. Suy luận hấp dẫn — rằng mức tăng của ZwZ2 thu hẹp khoảng cách — không đúng, và có một lý do mang tính cơ học khiến nó không thể được kiểm chứng.

Không thể lấy số liệu của lần chạy này trừ đi số liệu của lần chạy khác. 60.51 của ZwZ2-27B là mức trung bình độ chính xác trên 25 benchmark tri giác do inclusionAI chọn; các con số của Qwen3.8-27B là điểm số trên một bộ benchmark khác do Qwen chọn. Một mô hình đạt 60.51 trên một bộ và một mô hình đạt 84.3 trên một tác vụ hoàn toàn khác không cho bạn biết gì về thứ tự tương đối của chúng, và bất kỳ bài viết nào đặt những con số đó vào cùng một cột đều đang dựng lên một bảng xếp hạng mà không ai hề đo.

Điều có thể nói thì hẹp hơn và vẫn hữu ích. ZwZ2-27B là một can thiệp có mục tiêu vào một mô hình mà Qwen đã thay thế từ đó, và quy mô được ghi nhận của can thiệp — năm điểm trên một trung bình về tri giác — nằm cùng bậc độ lớn với một số mức chênh 3,6 đến 3,8 của chính Qwen trên các tác vụ thị giác, và nhỏ hơn nhiều so với mức chênh của nó trên các tác vụ agentic. Liệu chuyên biệt hóa này có xóa được khoảng cách thế hệ về tri giác cấp vùng hay không chính là điều sẽ cần một harness dùng chung. Chưa ai xây dựng một cái như vậy.

Các cột tham chiếu trên thẻ gợi ý lý do vì sao có thể tồn tại một câu trả lời. ZwZ2-27B đạt 60,51, trong khi inclusionAI đo GLM-5.3-Flash ở 57,24 và DeepSeek-V4.1-Flash ở 55,47 — những mô hình được lưu trữ mà nó đã đánh bại trên một bộ đánh giá được xây dựng quanh việc so sánh khu vực, với việc thẻ lưu ý rằng độ phân giải hình ảnh của các mô hình tiên tiến bị giới hạn bởi nền tảng phục vụ của chúng. Đó là một kết quả về bộ đánh giá cũng nhiều như về các mô hình. Đây không phải là bằng chứng về Qwen3.8-27B, mô hình chưa từng có mặt trong cuộc.

Giấy phép quyết định điều đó với hầu hết các nhóm trước cả khi các bài benchmark làm vậy.

Qwen3.8-27B là Apache-2.0, được công bố trong phần đầu thẻ mô hình, với số lượt tải lên đến hàng triệu và một hệ sinh thái gồm adapter, bản tinh chỉnh và bản lượng tử hóa xoay quanh nó. ZwZ2-27B không công bố giấy phép nào cả. Thẻ của nó chỉ đến “giấy phép đi kèm với trọng số được phát hành và giấy phép backbone áp dụng”, điều này mang tính vòng tròn khi trọng số không mang giấy phép nào.

Đối với một nhóm nghiên cứu, đó chỉ là một chú thích. Đối với một công ty đưa mô hình vào sản phẩm, đó là ranh giới quyết định, và không hề sát nút. Việc phần lõi là Apache-2.0 không tự động cấp phép cho một sản phẩm phái sinh có các điều khoản riêng chưa được nêu rõ — đó là câu hỏi dành cho bộ phận pháp chế, và cho đến khi inclusionAI trả lời, cách hiểu an toàn là ZwZ2-27B chưa được thông qua để triển khai thương mại. Việc thiếu một bài báo càng làm trầm trọng thêm: thẻ mô hình vẫn chứa nguyên văn phần giữ chỗ PAPER_URL, nên phần mô tả phương pháp chỉ là một README và một lược đồ dữ liệu, không hơn gì.

Những gì bạn có thể gọi hôm nay

Qwen3.8-27B hiện đã định tuyến được trên OrcaRouter ngay lúc này, chỉ với một khóa duy nhất cùng toàn bộ danh mục và theo đúng giá niêm yết của nhà cung cấp, không phụ phí — vì vậy nếu Qwen thay đổi giá, thay đổi đó sẽ có hiệu lực tại đây ngay trong ngày chứ không phải chờ qua một chu kỳ điều chỉnh giá. Mức giá niêm yết là 0,33 USD cho mỗi triệu token đầu vào và 2,40 USD cho mỗi triệu token đầu ra, với 262.144 token ngữ cảnh được cung cấp. Điều đó quan trọng với một phép so sánh như thế này, nơi bên thử nghiệm rẻ hơn thường thắng: bạn có thể đánh giá Qwen3.8-27B so với khối lượng công việc của riêng mình ngay chiều nay mà không cần tải xuống hay cần GPU.

ZwZ2-27B không có trong danh mục của chúng tôi, và sẽ là không trung thực nếu diễn đạt điều đó nhẹ nhàng hơn. Đây là một artifact tự vận hành 54 GB không có giấy phép và không có công thức phục vụ, và cách duy nhất để đánh giá nó là chạy nó. Nếu sau này nó giành được một vị trí trong stack của bạn, lớp định tuyến là nơi hai bên sẽ gặp nhau — một endpoint, chuyển đổi dự phòng tự động, và một chính sách gửi lưu lượng so sánh theo khu vực đến mô hình chuyên biệt và mọi thứ khác đến mô hình tổng quát, thay vì viết lại.

Cái nào, theo khối lượng công việc

Qwen3.8-27B là lựa chọn mặc định hợp lý cho gần như mọi thứ. Lập trình tác tử, sử dụng công cụ cho tác vụ dài hạn, điều khiển máy tính và trình duyệt, suy luận tổng quát, video — đó là những lĩnh vực mà mức cải thiện được công bố của nó lớn nhất, và nó là lựa chọn duy nhất trong hai lựa chọn mà bạn có thể xuất xưởng hợp pháp và triển khai thực tế ngay hôm nay.

ZwZ2-27B có một trường hợp hẹp hơn: bạn đã chạy một pipeline đẳng cấp Qwen3.6-27B, điểm nghẽn của bạn là chi tiết được đo trong tài liệu, biểu đồ hoặc ảnh chụp màn hình giao diện, và ý tưởng thêm các lệnh gọi công cụ zoom-and-crop vào vòng lặp suy luận của bạn không hấp dẫn. Đó chính xác là vấn đề mà inclusionAI tuyên bố giải quyết — học cách so sánh giữa các vùng được đánh dấu trong lúc huấn luyện để suy luận không cần công cụ. Nếu mô hình cơ sở là điều kiện đối chứng trong harness của riêng bạn, thì một thử nghiệm cục bộ ZwZ2-27B so với nó là một thí nghiệm rẻ và được đặt vấn đề rõ ràng.

Điều không thể biện hộ là coi 60.51 của nhà cung cấp như một điểm năng lực tổng quát, hoặc so sánh nó với bất kỳ con số Qwen3.8 nào như thể hai bên nằm trên cùng một thang đo. Chúng không như vậy, và mô hình có thể phân xử điều đó — một bộ khung đánh giá dùng chung, do một người không có lợi ích liên quan chạy — vẫn chưa được công bố, cũng như bản thân ZwZ2-27B trước đây chưa từng được công bố.

Ba câu hỏi mà sự so sánh này thực sự đặt ra

ZwZ2-27B có phải chỉ đơn giản là Qwen3.6-27B được huấn luyện thêm không?Về mặt kiến trúc thì đúng vậy, đến cả lịch trình các lớp và tháp thị giác, với phần đầu dự đoán đa token bị loại bỏ. Về mặt hành vi, nó phụ thuộc vào một công thức hậu huấn luyện mà inclusionAI chỉ mô tả ở mức một README: các nhóm vùng từ ba đến bảy, câu hỏi được tạo từ các vùng cắt đặc quyền, được lọc bằng sự đồng thuận giữa các mô hình và kiểm tra bỏ một vùng, sau đó GRPO trên khoảng 20.000 ví dụ mà không có giai đoạn tinh chỉnh có giám sát. Đó là mô tả của một phương pháp, không phải một bản tái tạo.

Liệu lợi thế của ZwZ2-27B có đứng vững khi đối đầu với Qwen3.8-27B trên các tác vụ nhận thức không?Không rõ, và không thể biết được từ hồ sơ hiện có. Phần thị giác của Qwen3.8-27B được thiên về sử dụng máy tính, sử dụng trình duyệt và kỹ thuật phần mềm đa phương thức, chứ không thiên về so sánh cấp vùng, nên ngay cả bảng của chính Qwen cũng không trả lời được câu hỏi mà tuyên bố của ZwZ2 đặt ra.

Việc mặc định chế độ suy nghĩ có làm thay đổi phép so sánh không? Có, nhiều hơn mức mà khoảng cách trên benchmark gợi ý. ZwZ2-27B được đánh giá và ghi nhận là một mô hình một lượt, không suy nghĩ; Qwen3.8-27B được xây dựng xoay quanh khả năng điều chỉnh mức độ suy luận. Đối với các lệnh gọi nhận thức nhạy cảm với độ trễ, điều đó có lợi cho thiết kế của ZwZ2-27B, còn với bất kỳ thứ gì đòi hỏi sự cân nhắc kỹ lưỡng thì nó có lợi cho thiết kế của Qwen3.8-27B — nhưng cả hai được đo dưới các thiết lập sinh khác nhau, nên các con số benchmark cũng mang theo khác biệt đó.