ZwZ2-9B so với Qwen3.8-27B: Khe nhỏ mà thế hệ Qwen mới bỏ ngỏ

Thế hệ Qwen3.8 ra mắt với một mô hình dense 27B vào ngày 5 tháng 8 năm 2026, một mô hình mixture-of-experts 2,4 nghìn tỷ tham số vào ngày 8 tháng 8, và một biến thể Flash-Next vào ngày 24 tháng 8. Nó không bao gồm một mô hình 9B. Điều đó có nghĩa là phần nhỏ nhất của dòng sản phẩm hiện tại vẫn thuộc về Qwen3.5-9B, một checkpoint từ ngày 27 tháng 2 năm 2026 — và điều đó có nghĩa là ZwZ2-9B, được inclusionAI đăng vào ngày 16 tháng 10 năm 2026, nằm trên stack Qwen3.5 mới nhất hiện có ở kích thước đó. So sánh nó với Qwen3.8-27B và bạn không phải đang so sánh hai mô hình cùng một họ. Bạn đang so sánh một khoảng cách khoảng mười tám tỷ tham số bên trong một kiến trúc, bởi vì thế hệ 3.8 chưa bao giờ đổi tên nó.

Điều cần hiểu trước tiên là đây không phải một cuộc so kè theo bất kỳ nghĩa thông thường nào. Qwen3.8-27B là một sản phẩm hoàn chỉnh với giấy phép, API được host, các đánh giá đã công bố và bảy triệu lượt tải xuống trong tháng vừa qua. ZwZ2-9B là những checkpoint phái sinh không có tài liệu trong một repository không có README. Câu hỏi hữu ích thì hẹp hơn và thực tế hơn: nếu mô hình 27B là thứ Qwen muốn bạn chạy, thì chính xác bạn đang mua gì khi giữ nguyên ở 9B, và checkpoint rẻ hơn thừa hưởng được gì từ thế hệ phía trên nó?

Kiến trúc chưa bao giờ thay đổi — chỉ có quy mô thay đổi

Đây là phát hiện khiến cho việc so sánh này trở nên đáng để viết, và nó hiển hiện rõ trong hai tệp cấu hình. Qwen3.8-27B khai báo mã định danh kiến trúc của mình là qwen3_5. ZwZ2-9B cũng vậy. Cùng loại mô hình, cùng tên lớp, cùng thiết kế attention, cùng dòng dõi tokenizer — cách nhau một thế hệ, mà cái nhãn thì chẳng hề nhúc nhích.

Bỏ qua mã định danh, và sự tương đồng trong cùng họ là trọn vẹn. Cả hai đều dùng cùng một tỉ lệ 3:1 giữa các lớp attention tuyến tính và các lớp attention đầy đủ. Cả hai đều dành một từ vựng 248,320 token và công bố mức trần ngữ cảnh 262,144 vị trí. Cả hai đều dùng M-RoPE xen kẽ với cùng cách chia phân đoạn và cùng cơ sở rotary 10,000,000. Cả hai đều mang một tháp thị giác gồm đúng 27 lớp ở kích thước ẩn 1,152 với 2,304 embedding vị trí. Qwen3.8 không phải là một thiết kế mới thay thế Qwen3.5. Đó là cùng một thiết kế ở các kích thước lớn hơn, và Qwen3.8-27B nói đúng như vậy trong config của chính nó.

• Tham số — ZwZ2-9B: 9,409,813,744. Qwen3.8-27B: 28 tỷ theo card của nó, mà cấu hình của nó chỉ định 64 lớp ở kích thước ẩn 5,120 so với 32 lớp ở 4,096.

• Mã định danh kiến trúc — qwen3_5 ở cả hai. Cùng lớp, cùng lịch trình attention.

• Từ vựng — 248.320 ở cả hai, bao gồm cả id token hình ảnh và video.

• Giới hạn ngữ cảnh — 262.144 vị trí được công bố ở cả hai, với phiên bản lưu trữ của Qwen mở rộng lên 1M.

• Tháp thị giác — 27 lớp với kích thước ẩn 1.152 ở cả hai; phép chiếu mở rộng từ 4.096 lên 5.120 để khớp với ngăn xếp ngôn ngữ.

• Mặc định suy luận — ZwZ2-9B trả lời mà không suy nghĩ trừ khi được yêu cầu. Qwen3.8-27B mặc định suy nghĩ, với mức độ suy luận có thể điều chỉnh.

• Giấy phép — không có giấy phép nào được khai báo so với Apache-2.0.

• Bằng chứng — một tệp cấu hình so với thẻ mô hình, kết quả đánh giá, một API được lưu trữ và 198 bộ điều hợp đã công bố.

Điều mà 27B mang lại cho bạn mà bản dẫn xuất 9B không có

Điều đầu tiên là sự cho phép. Qwen3.8-27B theo Apache-2.0 với sự cấp phép rõ ràng, có thể triển khai trên Azure và SageMaker theo các thẻ của chính nó, và được cung cấp qua API lưu trữ chính thức của Qwen với ngữ cảnh 1 triệu token trong phiên bản được quản lý. ZwZ2-9B không tuyên bố giấy phép nào cả, đây là một vấn đề khác với giấy phép hạn chế — đó là sự thiếu vắng cấp phép chứ không phải một giấy phép hẹp, và đó là rủi ro lớn nhất trong việc áp dụng nó.

The second is reasoning control. Qwen3.8-27B's chat template exposes three reasoning-effort levels with a default of the highest, instructs the model accordingly, and supports preserving reasoning context across turns. It also keeps the Qwen convention of thinking by default. ZwZ2-9B has none of this machinery, and its template inverts the default — it emits an empty <think></think> block unless you explicitly pass a flag, which means the model answers directly and cheaply, and gives you no dial to turn when a question deserves more thought.

Thứ ba là hệ sinh thái, thứ ít được thảo luận nhất nhưng lại chịu lực nhiều nhất. Hub liệt kê 198 adapter, 553 bản fine-tune, 24 bản merge và 1.472 bản lượng tử hóa được xây dựng trên Qwen3.8-27B, cùng với một trăm Spaces. Đó là một khối công trình của những người không thuộc Qwen, mô tả cách mô hình hoạt động trên các bài toán thực tế. ZwZ2-9B không có bất kỳ thứ nào trong số đó, và chưa thể có bất kỳ thứ nào như vậy — nó mới ra đời được vài giờ.

Việc duy trì ở mức 9B vẫn mang lại cho bạn những gì

Có một lý do khiến phân khúc nhỏ chưa hề im ắng. Qwen3.5-9B, checkpoint mà ZwZ2-9B được xây dựng dựa trên, đã ghi nhận 8.591.266 lượt tải xuống trong tháng trước — nhiều hơn con số 7.363.968 của mẫu chủ lực 27B trong cùng kỳ. Kích thước 9B là nơi diễn ra rất nhiều công việc thực tế: đây là mô hình lớn nhất có thể chạy thoải mái trên một accelerator tiêu dùng đơn lẻ, là kích thước mà các nhóm tinh chỉnh khi họ muốn có trọng số của riêng mình thay vì dùng API, và cũng là nơi một bản phái sinh không có tài liệu như ZwZ2-9B có thể thực sự đáng chú ý, bởi vì thứ mà nó kế thừa đã được hàng triệu người đọc.

Việc loại bỏ đầu dự đoán đa token cũng không rõ ràng là một mất mát. Cấu hình của ZwZ2-9B đặt mtp_num_hidden_layers thành 0 trong khi Qwen3.5-9B có 1, điều này loại bỏ một đầu giải mã suy đoán và theo đó là khoảng một phần tư tỷ tham số. Dù lần chạy huấn luyện có ý định thế nào đi nữa, artefact bạn tải về là một mô hình đơn giản hơn mô hình cha của nó, và đơn giản hơn thì dễ suy luận hơn khi bạn không thể đọc một thẻ mô hình.

Và đường thị giác là như nhau ở cả hai hướng: 27 lớp với kích thước ẩn 1.152, bảng nhúng 2.304 vị trí, bộ xử lý video nhận tối đa 768 khung hình ở tốc độ 2 khung hình/giây. Nếu bạn cần đưa hình ảnh vào, 9B không nhường điều đó cho 27B.

Điều này trông như thế nào nếu bạn đang chọn endpoint thay vì checkpoint

Câu trả lời thực tế cho hầu hết các nhóm không phải là chọn cái này hay cái kia, và phía hosted của nó thì đã ngã ngũ theo một cách mà phía open-weights thì chưa. Qwen3.8-27B có thể định tuyến trên OrcaRouter với qwen/qwen3.8-27b — ngữ cảnh 262K token, đầu vào dạng văn bản, hình ảnh và video, đầu ra dạng văn bản, với mức $0.33 mỗi triệu token đầu vào và $2.40 mỗi triệu token đầu ra. Đó là giá niêm yết của nhà cung cấp được chuyển nguyên với mức markup 0%, nên khi Qwen thay đổi giá thì con số ở đây cũng thay đổi ngay trong cùng ngày chứ không phải đợi đến lần làm mới danh mục tiếp theo, và nó nằm ngay cạnh qwen/qwen3.8-flash và qwen/qwen3.8-max trên cùng một key nếu bạn muốn so sánh các hạng bằng chính lưu lượng của mình thay vì dựa vào bảng benchmark của người khác.

ZwZ2-9B không có trong danh mục đó và chúng tôi sẽ không ngụ ý điều ngược lại — đây là bản tải xuống từ Hugging Face không có endpoint phục vụ nào được nhà cung cấp công bố, và inclusionAI phân phối qua các kênh riêng của nhà cung cấp. Nếu bạn muốn một phương án thay thế được lưu trữ cho vị trí đa phương thức nhỏ trong khi bạn đánh giá checkpoint, qwen/qwen3-vl-8b-instruct là một mô hình ngôn ngữ - thị giác 8B với ngữ cảnh 131K token ở mức $0.18 và $0.70 mỗi triệu token, có tài liệu và giấy phép đầy đủ. Đặt một ứng viên phía sau cùng một giao diện như mô hình hiện tại và việc so sánh hai mô hình chỉ tốn một chuỗi mô hình; đó là toàn bộ lý lẽ cho việc định tuyến một mô hình mà bạn chưa chắc chắn thay vì tích hợp nó.

Câu hỏi về các thế hệ, được trả lời một cách trung thực

Không có benchmark nào mà trên đó ZwZ2-9B đánh bại Qwen3.8-27B, bởi vì không có benchmark nào mà ZwZ2-9B từng được đo lường cả. Một mô hình 28B với technical card và một checkpoint 9.4B với tệp config không cạnh tranh với nhau; một trong hai đã được đánh giá còn một trong hai mới chỉ được mô tả. Bất kỳ ai đưa ra kết quả đối đầu trực tiếp trong tuần này đều đang mô tả ấn tượng của chính họ về một mô hình mà họ tải về sáng nay.

Điều thực sự mới mẻ ở đây là dòng dõi, và đáng để nói thẳng vì rất dễ bỏ sót. Thế hệ Qwen3.8 không thay thế kiến trúc của nó; nó mở rộng quy mô kiến trúc đó. Qwen3.8-27B và ZwZ2-9B cùng tương ứng với một mã định danh kiến trúc, dùng chung bộ từ vựng, dùng chung giới hạn ngữ cảnh, dùng chung lịch trình attention, và dùng chung một vision tower cho tới cả số lớp lẫn chiều rộng ẩn. Đó là kiến thức hữu ích theo cả hai chiều: nó cho bạn biết một checkpoint 9B trên ngăn xếp này có khả năng sẽ cho cảm giác như thế nào, và nó cho bạn biết rằng khoảng cách giữa đầu nhỏ và đầu lớn của gia đình Qwen là khác biệt về mức độ chứ không phải sự thay đổi chủng loại.

Vậy phán quyết trung thực về ZwZ2-9B so với Qwen3.8-27B là: 27B là bản bạn có thể dựa vào để lên kế hoạch, còn bản phái sinh 9B là bản đáng để theo dõi. Hãy đọc cấu hình, chạy tác vụ của riêng bạn với nó, và chờ giấy phép trước khi nó chạm đến bất cứ thứ gì quan trọng.

Không có gì trong số đó là giả thuyết: các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.