ZwZ2-27B：權重於10月16日落地，解釋則在十天後才到

ZwZ2-27B自 2026 年 10 月 16 日起即可從 Hugging Face 下載。在其公開問世後的頭十天裡，沒有公告、沒有論文、沒有 README，也沒有標明授權條款——只有兩個 bf16 safetensors 分片位於 inclusionAI 之下，還有一個未說明其存在理由的儲存庫。10 月 26 日，模型卡出現了。卡片表示，該模型是以強化學習訓練的視覺語言系統，建構於 Qwen3.6-27B 之上，並公布了一項涵蓋 25 個基準測試的評估；在該評估中，此模型整體上以 4.99 分勝過該基礎模型。

這就是所有新消息，而且值得把它跟人們會以為發生的事區分開來。這不是一次發布。權重已經有十一天了，廠商卻仍未公告。本週的變化在於，我們終於能看出 inclusionAI 認為這個模型是要做什麼用的。

實際上改變了什麼，按日期

儲存庫自身的提交歷史是現有最乾淨的證據，而它並不為這套說法美言。三次提交承載了一切：

• 10月16日 05:42 UTC — 初始提交，十分鐘後接著提交「新增 ZwZ2-27B 模型權重」。包含設定檔、分詞器、處理器與兩個權重分片。沒有 README。

• 10月26日 02:58 UTC —「Create README.md」。該模型的第一份書面描述，於權重發布後十天。

• 10 月 26–27 日 — 隨著基準數據與圖片素材陸續彙整，README 反覆修訂，並多次上傳六個檔案。

在撰寫本文時，該儲存庫顯示有七次下載、零個讚。配套的 GitHub 專案，inclusionAI/Zooming-without-Zooming-v2，於 10 月 14 日建立，並有一顆星。以英文搜尋該模型名稱，得到的結果涵蓋較舊的 ZwZ-2B/4B/8B 系列，以及 10 月 16 日的 ZwZ2-9B，完全沒有關於 27B 的內容。如果這裡真的發生了一次發布，那也是在沒有受眾的情況下發生的。

設定檔中的模型

設定檔是任何發行版本中最不起眼、卻最可靠的部分。這一個描述的是稠密視覺語言模型，其架構宣告為 Qwen3_5ForConditionalGeneration——與 Qwen 自家模型使用的類別相同——並具有以下數字：

文字塔 — 5,120 隱藏大小、64 層、24 個查詢頭與 4 個 KV 頭（頭維度 256）、前饋寬度 17,408。

• 注意力配置——線性注意力層與全注意力層的比例為 3:1，重複 16 次，並交錯使用 M-RoPE，旋轉基底為 10,000,000。

• 詞彙與上下文 — 248,320 個 token，262,144 個原生位置。

• 視覺塔 — 27 層、隱藏尺寸 1,152，投影至 5,120，patch 大小為 16，並採用 2×2 空間合併。

• 多 token 預測 — mtp_num_hidden_layers 設為 0，亦即相對於 Qwen 主幹，MTP 頭已被移除。

最後那一行是與基礎版本唯一的結構差異。其他所有部分——層數、頭部幾何、詞彙表、上下文上限、視覺深度——都與 Qwen3.6-27B完全一致。ZwZ2-27B 是相同的主體，只是採用不同的後訓練方案，並移除了一個推測解碼頭。

這也意味著這個模型並不小。在 bf16 下擁有 270 億個參數時，權重分成兩個分片後約為 54 GB，這使它在單張 80 GB 加速卡上能輕鬆載入，或在兩張 40 GB 顯示卡上勉強載入。儲存庫中沒有量化版本，沒有 vLLM 或 SGLang 的操作指南，也沒有除了固定使用 5.13.1 版的 Hugging Face transformers 快速入門之外的部署說明。

+4.99 的說法，以及它確切涵蓋的內容

這張卡片的標題指出，該模型在六個領域的 25 項基準測試中「在每項基準測試上都優於其基礎模型」，使整體平均值從 55.52 提升到 60.51。這句話的兩個部分都與已公布的結果圖表相符，但兩者都需要附加限定條件。

需要說明的是，這是 inclusionAI 自家的測試框架、自家挑選的基準測試，以及自家的評分，並發佈在其自家儲存庫上。這裡沒有任何內容在該組織之外被重現。這是一般意義上的廠商評估：有助於看出團隊優化了什麼，但不能作為獨立評級使用。

另一個限定條件是規模。在 25 項基準平均值上提升 4.99 分確實是實質變化，但這個平均值是對差異極大的任務準確率取平均，且各領域權重相同。它不是能力指標，絕不應與不同測試套件的分數相比。

以下是領域層級的細分，基準版與微調版的對比：

• 細粒度感知 — 從 62.09 提升至 67.57，在 VStar、HR-8K 和 MME-RealWorld 等八項基準測試中提升了 5.48。

• 空間感知 — 49.72 至 55.98，在六項基準測試中提升 6.26。

• 長上下文理解 — 從 65.87 提升至 68.77，在三項基準測試中提升 2.90。

• 具身空間推理 — 50.17 至 55.71，在三項基準測試中提升 5.54。

• 多模態代理 — 49.73 至 51.81，在三項基準測試中提升 2.08。

• 通用視覺推理 — 由 47.89 提升至 53.71，在 MMStar 與 BabyVision 上共提升 5.82。

收益集中在哪裡——以及模型仍然薄弱的地方

這張表的形狀比它的平均值更重要。最大的相對增益出現在空間感知與具身推理上，這與該方法聲稱要教導的內容一致：在一張影像的多個標記區域之間比較、匹配並彙整證據，並在推論時使用完整影像，且不進行外部縮放呼叫。

最小的兩項增益是長上下文與多模態智能體。這兩個領域也正是基礎模型相對於該任務原本已最強的地方，而這是以狹窄資料配方進行 RL 微調的常見模式：它會改善獎勵訊號所能看見的部分。

絕對數字讀起來更令人警醒。Chartography 為 12.00。AgentVista 為 18.18。Perception-Bench 為 44.93。一個模型整體上可以提升五分，但在該集合中的多項個別基準測試上仍近乎無法使用，而這個模型就是如此。任何把「整體 60.51」當作一般能力指標引用的人，引用的是一個掩蓋了 12 的平均值。

訓練配方解釋了這個上限。EvidenceConnect 從 SA-1B 圖像建構資料：將三到七個相關區域分組，使用特權放大裁切圖生成問題，透過跨模型一致性與去除單一區域測試進行篩選，轉換為四選項任務，並以 GRPO 訓練——三種模型規模都在約 20,000 個範例上訓練，且沒有監督式微調階段。那是一份聚焦的訓練菜單。它能可靠地換得區域層級感知，並不假裝能換得開放式推理。

參考模型欄位值得加上警告。

結果圖中也列出三個 API 模型作為參考點：GPT-5.6-Luna 為 54.02、GLM-5.3-Flash 為 57.24、DeepSeek-V4.1-Flash 為 55.47，對比 ZwZ2-27B 的 60.51。表面上看來，這使一個悄然上傳的開放權重檢查點高於三個託管生產模型。

有三點應讓那樣的解讀有所保留。首先，卡片本身已註明服務限制：進階模型的圖像解析度受其服務平台限制，而在一個大量涉及細微細節的基準測試集上，這是實質的劣勢。其次，這些並非那些廠商自行發布的評測——而是 inclusionAI 以 inclusionAI 的測試框架跑其他公司的模型，且沒有任何跡象顯示廠商曾參與或已確認這些數字。第三，GPT 欄位在部分列中明確標示為未報告，因此參考集的資料填充並不均衡。

那一切都不會讓這些數字出錯。但這確實意味著，它們是某個實驗室在其自家模型多出十天額外調校的基準測試套件上，對其競爭對手所做的測量。請把基礎模型比較視為有意義的那一項，並把 API 欄位視為背景脈絡。

還缺少什麼

對於未知項目的誠實清點，比已知項目的清單還要長，而且得從授權條款說起。模型卡的前置資料標註了基礎模型、資料集與流程任務，卻沒有宣告授權條款。正文寫著「請參閱隨釋出權重所附的授權條款，以及適用的主幹模型授權條款」，但當權重本身並未附帶任何授權條款時，這種說法就成了循環論證。Qwen3.6-27B 採用 Apache-2.0，因此主幹模型這一側並無疑義。衍生作品的條款則不然；對一家想把這套模型做成產品出貨的公司來說，光是這一項遺漏，影響就比任何一列基準測試成績都更大。

論文也尚未發布。卡片本身的標頭包含字面預留位置文字 <!-- Replace PAPER_URL with the final v2 paper URL. -->，並連結到 PAPER_URL。專案儲存庫確實存在；但它應該指向的說明文件並不存在。

除此之外：

• 目前沒有任何來自任何人的 ZwZ2-27B 獨立評測。

• 尚未找到此型號的廠商公告、部落格文章或社群貼文。

• 已發布的評測是 low/thinking 模式——模型卡的快速入門以 enable_thinking=False 執行，而聊天模板要求將答案放在 <answer> 標籤內。Thinking 模式的數字不屬於此主張。

• 除了固定版本的 Transformers 之外，不支援其他框架。不支援 GGUF、不支援 AWQ，也沒有公開的 vLLM 設定。

• 卡片列出了已知的失敗模式——憑空編造細節、誤讀文字、計數與空間錯誤——這比大多數廠商提供的說明更為坦率，也公允地概述了在 Chartography 上拿到 12.00 分實際上代表什麼。

如何在不對它下任何賭注的情況下評估它

ZwZ2-27B 不在我們的型錄中，本文也不應被解讀為暗示它在。現今要執行它，你得下載 54 GB 的權重、安裝特定版本的 Transformers 建置，並自行架設服務——如果你已有硬體，這算是個還算合理的下午；但如果你本週正想回答一個產品問題，這樣用掉一個下午就很糟。

更省成本的順序，是先檢驗這項主張，而不是先檢驗模型。這項主張很狹窄：在一個 20K 範例的區域比較資料集上進行 RL，能讓 Qwen3.6-27B 檢查點在沒有縮放工具的情況下更擅長讀取細微細節。如果那才是你真正的瓶頸——密集文件、圖表、UI 螢幕截圖、多區域問題——基礎模型是對照條件，而它的後繼模型已經可以在這裡路由：Qwen3.8-27B 和 Qwen3.5-27B 都在 OrcaRouter 上，透過同一把金鑰使用，並與 200 多個其他模型 一同以供應商定價提供，且不加價。如果自行託管的 ZwZ2-27B 最後值得採用，你可以把它放到同一把金鑰上，讓自動容錯移轉在它與託管的通用模型之間決定，而不必改寫整合。

能讓它從「有趣的上傳內容」變成「可採用的模型」的，是一份簡短清單。一份具名授權條款。一篇能讓人核查基準測試建構方式的論文。在廠商未挑選的基準測試上，進行一次獨立執行——即使是部分執行也好。以及一則公告；在十一天的沉默之後，這開始看起來像是刻意缺席，而不是疏忽。

在那之前，站得住腳的說法很有限，也值得直白說清楚：來自 inclusionAI 的一個未公開說明的 27B 檢查點自 10 月 16 日起一直放在 Hugging Face 上，而截至 10 月 26 日，其作者願意宣稱它在他們自己建構的基準測試套件上比 Qwen3.6-27B 提升了五個百分點。這是一個附帶權重的假設。它還不是一個結果。