ZwZ2-4B 未經發布即推出：模型卡說了什麼，又避而不談什麼

這個ZwZ2-4B 儲存庫建立於 2026 年 10 月 15 日 06:11 UTC，而截至今天上午，它的下載次數為零、按讚數也為零。對於一個無人公告過的檢查點來說，這並不罕見。不尋常的是，它還附有一份完整的模型卡：方法章節、訓練資料說明、快速入門區塊，以及一項重點成果，宣稱在 25 項基準測試上有 5.38 分的提升，相較於 Qwen3.5-4B，也就是它微調所依據的模型。inclusionAI 發布了文件，卻沒有發布公告。模型卡在那裡；新聞稿卻沒有；而這兩者之間的差異，就是這個檢查點的全部故事。

本文刻意把自身會斷言的範圍限得很窄。以下標為儲存庫事實的內容，都是直接從檔案讀到的——設定、權重索引、資料集條目、模型卡本身。凡標為廠商主張的，都是 inclusionAI 自己提供的數字，僅作為主張轉述，而非作為結果。ZwZ2-4B 並不存在任何獨立評測，任何人若告訴你相反的說法，那只是在把模型卡內容讀回給你聽。

實際上到底有哪些東西到貨了，又分別是在哪些日期？

ZwZ2 系列在約二十三點五小時的時間窗口內登場，並依尺寸反向順序發布。ZwZ2-4B 率先於 10 月 15 日 06:11 UTC 登場。ZwZ2-9B 接著於 10 月 16 日 03:42 現身。ZwZ2-27B 於同日清晨 05:42 為這組收尾。訓練資料集 inclusionAI/ZwZ2-RL-VQA 則在三天後的 10 月 19 日出現。三個儲存庫、該資料集與系列合集全都帶有今天 10 月 27 日的時間戳——這是對一個仍無公開公告的系列所做的最近一次維護。

沒有發生的事：inclusionAI 的部落格沒有相關文章，也沒有發布討論串。這三個檢查點確實共用一個集合，Zooming-without-Zooming-v2，共有四項，但集合是容器，不是公告。託管第一代程式碼的 GitHub 儲存庫完全沒有更新——它仍列出四個模型，ZwZ-2B、ZwZ-4B、ZwZ-7B 和 ZwZ-8B，全都建構在 Qwen3-VL 骨幹上。v2 系列不在其中。如果你去找產生 ZwZ2-4B 的程式碼，你會找到其前代的程式碼，而那裡的 README 不會提到你手上持有的模型。

該主張，以主張的形式陳述

inclusionAI 的模型卡報告整體準確率為 49.41（基礎模型）與 54.79（ZwZ2-4B），是在分屬六個領域的 25 項基準測試中測得。模型卡指出，模型在這些基準測試中的每一項都有所提升，且整體與各領域平均值皆對每項基準測試採等權重。它列出的六個領域為細粒度感知、空間推理、長上下文理解、多模態代理與一般視覺推理，以及承載頭條數據的細粒度組。

這兩個數字就是該模型全部的量化論據。各基準測試的分數在頁面上以圖檔形式呈現——一張 PNG 和一張 SVG——而非以文字呈現，這意味著八項代表性結果與完整的二十五項結果雖可看見，卻無法讓機器讀取。文中以散文描述的唯一一組基準測試是MMLongBench*，其視覺核心列為 V-RAG、Image MM-NIAH 與 VH-Multi，涵蓋 25 項非 Counting 任務。這張模型卡也指出，「進階模型」的影像解析度受服務平台限制，這是合理的注意事項，同時也提醒我們：感知分數有一部分是在說明影像究竟如何送達模型。

對 4B 級模型而言，在 25 項基準測試上平均 +5.38 是相當大的宣稱。而這也正是廠商最方便提出、卻最不適合驗證的那類宣稱，因為基準測試組合、加權方式和解析度都是廠商自己挑的。請把 54.79 當成要重現的數字，而不是拿來規劃所依據的數字。

方法：單次處理，不縮放，不進行 SFT

這套訓練管線稱為 EvidenceConnect，它是實驗室今年初以「Zooming without Zooming」之名發表之構想的第二代。其前提是：細粒度的視覺感知通常是在推論時解決——裁切區域、重新提問、重複——而這種做法既昂貴又脆弱。ZwZ2 則改為教導模型在單次前向傳遞中關注區域性證據。

建構流程分為四個步驟，正如卡片所述。相關區域會被分組，每張影像三到七個，取自 SA-1B。問題是針對這些區域的特權放大視圖生成的，因此出題者能看到策略模型在推論時永遠看不到的細節。這些問題隨後會經過兩道篩選——跨模型一致性，以及丟棄單一區域測試，用來檢查移除某個區域是否真的會改變答案。通過驗證的問題會變成四選一的多選題任務，模型則以 GRPO 訓練。完全沒有監督式微調階段。

在推論時，策略會看到繪有彩色區域輪廓的完整影像。特權裁切圖僅存在於資料建構期間。此系列中的每種模型規模大約使用了 20,000 個訓練範例；資料集卡片將確切數字列為 20,662 道選擇題、五次下載，以及建立日期為 10 月 19 日。

這個設計有一個值得提醒任何打算評估它的人的明顯後果。一個只在四選一選擇題上訓練的模型，正被針對一種與開放式圖說生成或自由形式視覺問答截然不同的任務形態進行最佳化。如果你的工作負載要求針對一張圖片寫出一段文字，這個檢查點並未就此接受訓練，而模型卡的限制章節也明說了這點：幻覺細節、誤讀文字、計數錯誤、空間錯誤。

配置所證明的事，與實驗室無關

有一類事實你不必單憑信任接受，因為那是對已公開檔案所做的算術。ZwZ2-4B 在 BF16 下有 4,539,265,536 個參數，儲存為單一 9.08 GB 的 safetensors 檔案。Hugging Face 頁面將其四捨五入為「5B」，這算是寬鬆；索引則顯示 4.54B。它的基礎模型 Qwen3.5-4B 有 4,659,865,088 個參數——所以這個衍生模型約有 1.206 億個參數少，比其訓練來源模型

那個差異在組態中有一個清楚的解釋。Qwen3.5-4B 宣告一層多 token 預測層；ZwZ2-4B 宣告零層。推測解碼頭已被移除。從 4.6B 檢查點移除一個 MTP 頭，你就幾乎正好落在觀察到的差距上。這與 9B 同系列模型所帶的編輯相同，而這是現有最強證據，證明這些是後訓練衍生物，而非全新訓練的模型。

其餘技術棧與基準版本相比保持不變：

• 深度 — ZwZ2-4B 與 Qwen3.5-4B 皆為 32 層

• 寬度 — 隱藏大小 2,560，中間大小 9,216

• 注意力 — 16 個查詢頭對 4 個 KV 頭，頭維度 256，3:1 的線性對完整排程（24 個線性層、8 個完整層）

• 詞彙 — 248,320 個 token，綁定嵌入

• 上下文 — 262,144 個位置，M-RoPE 以 11/11/10 分配，部分旋轉因子為 0.25

• 視覺塔 — 24 層、隱藏維度 1,024、patch 大小 16、2×2 空間合併

• 執行階段 — transformers 5.13.1，架構識別碼 Qwen3_5ForConditionalGeneration

聊天模板值得用一行來說明，因為它會改變模型開箱即用的行為。已發布的模板以非思考模式運行，並指示模型將最終答案放在 <answer> 標籤內。如果你用期待自由文字的通用 VLM 測試框架來載入它，輸出中就會出現標籤，而你會納悶為什麼。

這張卡不會告訴你的事

三個缺口比卡片上所說的任何內容都更重要。

首先是授權條款。該儲存庫沒有 LICENSE 檔案，也沒有授權標籤。模型卡本身的措辭表示應以「隨已發布權重提供的授權條款與適用的主幹模型授權條款」為準——但根本沒有可依循的隨附授權檔案。主幹模型 Qwen3.5-4B 採用 Apache-2.0，因此最可能的解讀是衍生作品繼承該授權。「可能」不等於「已明確宣告」，而法務審查不會接受模型卡上指向不存在檔案的句子。

第二個是論文。v2 方法——EvidenceConnect、留一區域過濾器、僅使用 GRPO 的訓練——沒有公開的書面說明。卡片上的論文連結仍是字面上的預留位置 PAPER_URL。儲存庫唯一附帶的 arXiv 識別碼 2602.11858，是第一代論文，該論文描述在 Qwen3-VL 主幹上的區域到影像蒸餾：不同的方法、不同的基底家族，以及不同的一組數字。資料集卡片沿用相同的識別碼，因此標籤會傳播這個不一致。

第三點是完全缺乏任何獨立測量。沒有任何排行榜對 ZwZ2-4B 評分，也沒有任何重現結果，而下載計數器仍停在零。一個模型可以同時既優秀又未被測量；重點只在於，實驗室之外尚無任何事物證實 54.79。

你將掉進的命名陷阱

搜尋這個模型，你會先找到另一個不同的模型。第一代 ZwZ-4B是真實且有文獻記載的檢查點，建構於 Qwen3-VL-4B 上，公布的平均分為 66.86，而其主幹模型為 61.52，ZoomBench 分數為 55.74。這些數字被廣泛引用，但它們不是 ZwZ2-4B 的數字。它們屬於不同的基礎模型、不同的訓練配方和不同的基準測試套件。

這兩個名稱只差一個字元。把兩者混在一起的比較表，看起來會內部一致，但其實是錯的。如果供應商頁面或彙整網站顯示 ZwZ2-4B 為 66.86，那就是你正在看的錯誤。

如果你這週需要一個小型視覺模型

ZwZ2-4B 並不在 OrcaRouter 的目錄中，而本文也不打算假裝它在。它是一個由你自己下載並自行部署服務的檢查點；Hugging Face 頁面所承認的範圍內，任何地方都沒有為它提供託管端點，而該頁面也明確指出沒有任何推理服務供應商提供它的服務。

目錄中確實有的是能勝任同一項工作的實用替代方案：qwen/qwen3-vl-8b-instruct，每百萬輸入 token 0.18 美元、每百萬輸出 token 0.70 美元，具備 131K 上下文，並與其他所有模型一樣透過相同的 OpenAI 相容端點提供服務。如果你原本打算用託管式視覺基準來評估 ZwZ2-4B，那就是這個基準；用同一組金鑰執行兩者，意味著只需一個用戶端程式庫和一張帳單，而不是兩套整合。OrcaRouter 路由超過 200 個模型，並具備自動容錯移轉，因此建構於該端點上的視覺處理路徑不會依賴單一上游服務持續保持健康。

對於一個下載量為零且沒有授權檔案的模型，誠實的建議是：比較用租的，實驗自己擁有。

什麼會改變這項評估？

三件事，依重要性由高到低排列。一份授權檔案，能將法律上的未知轉為法律上的答案。一份公開的 v2 論文，能讓人檢查 EvidenceConnect 的過濾機制是否有洩漏——逐一移除單一區域的測試是個好主意，而好主意正是最需要被稽核的。以及任何第三方評分都好，因為在一個中立測試框架上的一個可重現基準，對這個檢查點的幫助，會比再多一千字的模型卡還大。

在那些之一實現之前，ZwZ2-4B 是一個有完整文件記錄、尚未發布、尚未實測的 4.54B 感知專家模型，而它自己的模型卡聲稱它比其基礎模型高出 5.38 分。這是一項真實且具體的主張。它還不是一項結果，而這個區別是唯一值得從這個儲存庫帶走的東西。