ZwZ2-9B vs MathForm-8B：同一主干，真相含量却大相径庭

两个相隔八周发布的模型，来自两个不同的实验室，构建于同一家族的两个不同代际之上——而它们的主干宽度却完全相同。MathForm-8B由 OpenBMB 于 2026 年 8 月 14 日发布，是 Qwen3-8B 的微调版本，运行 36 层，隐藏层大小为 4,096，中间层大小为 12,288。ZwZ2-9B由 inclusionAI 于 2026 年 10 月 16 日发布，基于 Qwen3.5-9B 技术栈，运行 32 层，隐藏层大小为 4,096，中间层大小为 12,288。父代相隔一代，词表规模分别为 151,936 和 248,320，用途也完全不同——但两者拥有相同的 4,096×12,288 主干几何结构。将它们区分开的并非架构，而是其中一个附带了论文、数据集、评估工具链和许可证，另一个则只附带了八个文件。

简而言之：如果你能把你的问题描述成“把这段文字转成 Lean 4”，那么 MathForm-8B 就是一个有文档记录、有公开数据的专用模型，你应该用它。如果你的问题涉及像素，而你想要一个通用的视觉语言模型，那么 ZwZ2-9B 是一个没人表征过的 9.4B 检查点，采用它就意味着成为它的第一个评估者。这个比较中有趣的地方在于，这种不对称性让我们明白共享的继承有多大价值。

两个后代，相隔一代

MathForm-8B 是 Qwen3-8B 的衍生模型，并且对此直言不讳：其模型卡记录了基础模型、训练数据集、训练方法和论文。配置是教科书式的 Qwen3 布局——36 层，32 个查询头对 8 个键值头，头维度 128，151,936 词元的词表，40,960 位置的上限，旋转基频 1,000,000，且每一层都使用完整注意力。没有任何异乎寻常之处，也没有任何隐藏。

ZwZ2-9B 是 Qwen3.5-9B 的衍生模型，仅通过一个 Hub 标签表明这一点。其配置解析为 Qwen3_5ForConditionalGeneration，除删除了一个多 token 预测层外，每个架构取值都与 Qwen3.5-9B 一致。248,320 个 token 的词表、262,144 位置的上限、交错式 M-RoPE 以及视觉塔均原样继承。

• 参数——ZwZ2-9B：9,409,813,744。MathForm-8B：80亿，依据其模型卡。

• 父级 —— Qwen3.5-9B 与 Qwen3-8B，因此两者从不同的 Qwen 世代继承了不同的注意力设计。

• 注意力 —— 24 层线性注意力层加 8 层全注意力层，而全部 36 层均为全注意力。

• 主干几何结构 — 两者的隐藏层大小均为 4,096，中间层大小为 12,288。

• 词表 — 248,320，其中包含图像和视频 token id，相比之下为 151,936 且仅含文本。

• 上下文上限 — 262,144 个位置 vs 40,960 个位置。

• 模态类型 — 文本、图像和视频 vs 仅文本。

• 已公布的证据—— 一份配置文件与一篇论文、一个数据集、一条评估流水线以及 Apache-2.0 条款的对比。

MathForm-8B 带来了什么

这张卡片异常完整，值得仔细梳理，因为后文的对比正依赖于它。MathForm-8B 将自然语言数学陈述翻译为 Lean 4。它在 FormalVerse 上训练——这是 OpenBMB 随其一同发布的数据集——通过监督微调，然后进行强化学习，其中 Lean 编译和语义一致性反馈提供奖励信号。论文是 MathForm：通过知识检索与验证引导的精炼来扩展数学自动形式化，arXiv 2608.14221，代码库包括评估流程、基准文件和 Pass@k 脚本。

结果以 Pass@8 通过率报告，依据两个独立标准：语法检查（Syntax Check），即生成的 Lean 确实能编译；以及一致性检查（Consistency Check），即它能编译并且表达与原始问题相同的内容。在六个基准上，该模型卡报告语法项宏平均为 88.06，一致性项为 72.37，领先于其列出的其他 8B 自动形式化器，并在语法一列上领先于若干 32B 条目。最后那个比较属于那种值得去检验、而不只是复述的说法，而设置中有一个细节让检验它并非易事：编译检查需要一个运行中的 Kimina Lean Server，并且实验使用的是 Lean 4.21.0。这不是一个你能用 Python 脚本打分的检查点。

上面的每个数字都是由厂商报告的。OpenBMB 运行了评估，OpenBMB 发布了评估结果，而且仓库确实包含可复现该评估的脚本——这比大多数实验室提供的都要多，也是这些数字即便未经验证也仍有价值的原因。模型卡还公布了其推荐的生成设置：temperature 0.6 和 top-p 0.95，而这类细小的操作细节，如果没有模型卡，就只能靠你自己猜了。

ZwZ2-9B 拿出了什么真本事

一个 config.json、一个 tokenizer_config.json、一个聊天模板，以及 18.8 GB 的权重。没有 README、没有许可证字段、没有 pipeline 标签，也没有数据集。Hub 显示零次下载和两个点赞，且没有任何 inclusionAI 集合包含它。

读取这些文件确实能获得真实信息，在否定该检查点之前值得先做这件事。当请求到达时没有系统提示词，聊天模板会注入一个默认系统提示词，而它默认不进行推理——除非调用方明确要求思考，否则它会输出一个空的<think></think>块，这与其父模型 Qwen3.5-9B 的行为正好相反。配置中包含一个 27 层的视觉塔和一个视频处理器，可以以每秒 2 帧的速度接收最多 768 帧。参数总数为 9,409,813,744，分布在 760 个张量中，全部为 bfloat16。

所有这些都没有告诉你的是：这个模型擅长什么、它是在什么数据上训练的、它是指令模型还是其他类型的模型，以及你可以在什么条款下使用它。MathForm-8B 在首屏就回答了这四个问题。ZwZ2-9B 则在哪里都没有回答其中任何一个。

共用的 4,096 并非巧合，也并非捷径

两个模型都使用宽度为 4,096 的主干、12,288 的中间层大小，而两者的原因是一样的：那一代的 Qwen 就是这个尺寸。Qwen3-8B 和 Qwen3.5-9B 是不同的设计——前者自始至终使用完整注意力，后者则是线性注意力与完整注意力三比一的混合——但它们都建立在相同的宽度之上，因为小号 Qwen 就是这样。看着一个微调模型继承其父模型的每一个维度，是现有最清晰的证据，说明微调模型会整体继承父模型的特性：不只是外形，还有长处和失效模式。MathForm-8B 会告诉你它来自哪个父模型，所以你可以去查相关资料。ZwZ2-9B 则不会，Hub 标签是唯一能追溯回去的线索。

你到底需要哪一个？

这些不是替代品，二者的重叠几乎为零。MathForm-8B 只做一件事：把自然语言的数学陈述转换成能够编译的 Lean 4 代码。它的整套评估装置，包括对运行中的 Lean 服务器的依赖，都是围绕这一点构建的。如果这正是你的问题，那么它是一个强有力的、有文档记录的、采用 Apache-2.0 的答案，并配有可复现的工具链，而 72.37 这个一致性数字就是需要超越的目标——是一致性，而不是语法，因为一个能够编译但含义不同的形式化，是一个比编译失败代价更高的 bug。

ZwZ2-9B 是一个通用视觉语言模型。它从未在自动形式化任务上被评估过，也谈不上有什么 Lean 分词器方面的考量，而且它是由一个早先工作与细粒度视觉感知有关的实验室发布的。不要去寻找 ZwZ2-9B 在 Lean 基准上的分数；根本没有理由会存在这样一个分数。

真正的问题在于，你到底想不想要一个专才或一个通才。专才在它唯一的那项工作上更出色，但出了这个范围就毫无用处。通才在所有具体事情上都更差，却是输入形态变化时唯一的选择。这种比较之所以不对等，并不是因为两者相隔八周或相差十亿参数——而是因为其中一个发布时附带了专才所需的文档，另一个则是作为他人工作的起点而发布的。

如果你希望在同一个管道中同时获得这两种能力

这两种模式确实会在一种真实场景中交汇：一个通用模型阅读一份含义模糊的文档，提取其中的数学命题，将其交给形式化工具，再由检查器判定结果是否成立。这是三次承担不同角色的模型调用，而路由层存在的意义，正是让这种形态变得廉价——OrcaRouter 的路由 DSL 可将多个模型组合成一次调用，于是扇出与后续追问就是同一个请求，而不是一个需要你维护的编排服务。 模型融合——即由一组模型共同作答，再由评判者选出最强的回答，则是把同样的思路用于单个难题，而非一条流水线。

ZwZ2-9B 和 MathForm-8B 都不在我们的目录中，我们也不打算粉饰这一点：MathForm-8B 可依据 Apache-2.0 许可下载，并能从您自己的 vLLM 或 SGLang 实例提供服务；而 ZwZ2-9B 只是一个仓库，根本没有端点。如今该流水线推理侧真正可路由的是 qwen/qwen3.8-27b——Qwen 当前一代的稠密旗舰模型，Apache-2.0 许可，具备 262K token 上下文和 1M token 的托管上限，价格为每百万输入 token 0.33 美元、每百万输出 token 2.40 美元，按提供商标价原样传递，不附加任何费用。

不对称的价值所在

MathForm-8B 是更值得写的模型，因为有些东西需要核实。ZwZ2-9B 是更有趣的产物，因为一个带有调校过的聊天模板和被移除的预测头的 9.4B 检查点，证明有人做了真正的工作——也因为 inclusionAI 在 ZwZ 这个名字上的过往记录，让下一篇帖子值得关注。

对于今天要做决定的人来说，这条规则并不光鲜。一篇已发表的论文、一个数据集、一个有名字的基础模型和一份明确声明的许可证，这些都不是纸面形式。它们决定了一个模型是你能够据以规划的，还是你必须反向工程的，而再有趣的架构也无法弥合这一差距。

这样的结果也提醒我们，模型出错早已有记录：此类模型背后的 AI 事件和智能体故障，均收录于OrcaRouter AI Incident Archive，其中每个条目都附有自己的来源、严重程度、置信度等级和争议标记。