ZwZ2-9B 與 MathForm-8B：相同主幹，截然不同的真實程度

相隔八週發布的兩個模型，來自兩個不同實驗室，建立在同一家族兩個不同世代上——而它們的主幹寬度相同。MathForm-8B，由 OpenBMB 於 2026 年 8 月 14 日發布，作為 Qwen3-8B 的微調版本，以隱藏大小 4,096、中間大小 12,288 執行 36 層。ZwZ2-9B，由 inclusionAI 於 2026 年 10 月 16 日在 Qwen3.5-9B 堆疊上發布，以隱藏大小 4,096、中間大小 12,288 執行 32 層。母世代相隔，詞彙量分別為 151,936 與 248,320，工作任務完全不同——而兩者都有相同的 4,096×12,288 主幹幾何結構。區分它們的不是架構。而是其中一個附帶論文、資料集、評估工具與許可證，另一個則附帶八個檔案。

簡短版：如果你能把你的問題描述成「把這段文字轉成 Lean 4」，MathForm-8B 是一個有文獻記載的專用模型，有已發表的數據，你應該用它。如果你的問題涉及像素，而你想要一個通用的視覺語言模型，ZwZ2-9B 是一個 9.4B 檢查點，沒有人對它做過特性描述，採用它意味著成為它的第一位評估者。這個比較中有趣的部分，在於這種不對稱能教我們了解共享的繼承有多大價值。

兩個後代，相隔一代

MathForm-8B 是 Qwen3-8B 的衍生模型，而且公開表明這一點：它的模型卡記錄了基礎模型、訓練資料集、訓練方法與論文。其配置是教科書式的 Qwen3 架構——36 層、32 個查詢頭對上 8 個鍵值頭、頭維度 128、151,936 個 token 的詞彙表、40,960 位置的長度上限、旋轉基底 1,000,000，而且每一層都是完整注意力。沒有奇特之處，也沒有任何隱藏。

ZwZ2-9B 是 Qwen3.5-9B 的衍生模型，僅透過單一的 Hub 標籤表明這一點。其設定解析為 Qwen3_5ForConditionalGeneration，且除了刪去一個多詞元預測層之外，每個架構數值都與 Qwen3.5-9B 相符。248,320 個詞元的詞彙表、262,144 個位置的長度上限、交錯式 M-RoPE，以及視覺塔全都原封不動地繼承下來。

• 參數 — ZwZ2-9B：9,409,813,744。MathForm-8B：80 億，依其模型卡所示。

• 父系 — Qwen3.5-9B 與 Qwen3-8B，因此兩者分別繼承了來自不同 Qwen 世代的注意力設計。

• 注意力 — 24 層線性注意力加上 8 層全注意力，對比全部 36 層皆採用全注意力。

• 主幹幾何 — 兩者的隱藏大小皆為 4,096，中間大小皆為 12,288。

• 詞彙表 —— 248,320，其中包含圖像與影片的 token id，相較之下為 151,936 且僅有文字。

• 上下文上限 — 262,144 個位置對比 40,960 個位置。

• 納入的模態——文字、圖像與影片 vs 僅文字。

• 已發佈證據 — 一份設定檔對比一篇論文、一個資料集、一條評估流程以及 Apache-2.0 條款。

MathForm-8B 端出什麼菜

這張卡片異常完整，值得細細拆解，因為後面的對比正取決於它。MathForm-8B 會將自然語言的數學陳述轉譯為 Lean 4。它是在 FormalVerse 上訓練而成——這是 OpenBMB 隨之發布的資料集——先經過監督式微調，再進行強化學習，並以 Lean 編譯與語意一致性回饋提供獎勵訊號。該論文是MathForm: Scaling Mathematical Autoformalization with Knowledge Retrieval and Verification-Guided Refinement，arXiv 2608.14221，而該儲存庫包含評估流程、基準檔案以及 Pass@k 腳本。

結果以兩套不同準則下的 Pass@8 通過率呈現：語法檢查（Syntax Check），意指生成的 Lean 程式碼確實能編譯；以及一致性檢查（Consistency Check），意指它既能編譯，又與原始問題表達相同的內容。橫跨六個基準測試，該模型卡在語法方面回報巨集平均 88.06，在一致性方面為 72.37，領先其所列出的其他 8B 自動形式化工具，也在語法欄位上領先數個 32B 項目。最後那項比較，正是那種值得實際驗證、而非只是照樣複述的說法，而設定中有個細節讓驗證這件事變得沒那麼簡單：編譯檢查需要一個運行中的 Kimina Lean Server，且實驗使用的是 Lean 4.21.0。這不是用 Python 腳本就能評分的檢查點。

上方每一個數字都是廠商自行回報的。OpenBMB 執行了這項評測，OpenBMB 公布了結果，而該儲存庫確實包含可重現這項評測的指令碼——這比大多數實驗室願意提供的還多，也是這些數字即使未經查證仍具價值的原因。這張模型卡也公布了其建議的生成設定：temperature 0.6 與 top-p 0.95；這種細微的操作細節，正是沒有模型卡的模型會讓你只能自行猜測的地方。

ZwZ2-9B 端出了什麼

一份 config.json、一份 tokenizer_config.json、一個聊天範本，以及 18.8 GB 的權重。這裡沒有 README、沒有授權欄位、沒有 pipeline 標籤，也沒有資料集。Hub 顯示零次下載與兩個讚，且沒有任何 inclusionAI 集合包含它。

Reading the files does yield real information, and it is worth doing before dismissing the checkpoint. The chat template injects a default system prompt when a request arrives without one, and it defaults to not reasoning — it emits an empty <think></think> block unless a caller explicitly asks for thinking, which is the opposite of what its Qwen3.5-9B parent does. The config carries a 27-layer vision tower and a video processor accepting up to 768 frames at 2 frames per second. The parameters are 9,409,813,744 across 760 tensors, all bfloat16.

那一切都沒告訴你的是：這個模型擅長什麼、它是用什麼訓練的、它是指令模型還是其他東西，或者你可以依什麼條款使用它。MathForm-8B 在它的首屏就回答了這四個問題。ZwZ2-9B 則在任何地方都沒有回答其中任何一個。

這個共用的 4,096 並非巧合，也不是捷徑。

兩個模型都使用寬度 4,096、中間大小 12,288 的主幹，而兩者的原因相同：那就是這個規模的 Qwen 世代。Qwen3-8B 與 Qwen3.5-9B 是不同的設計——前者全程使用完整注意力，後者則以三比一混合線性注意力與完整注意力——但兩者都建立在相同寬度上，因為小尺寸 Qwen 就是這樣。觀察微調模型繼承母模型的每一個維度，是現有最清楚的證據，證明微調模型會全盤繼承母模型的特性：優點與失效模式，而不只是形狀。MathForm-8B 會告訴你它來自哪個母模型，所以你可以去查閱相關資料。ZwZ2-9B 則沒有，而 Hub 標籤是唯一能追溯回去的線索。

你真正需要的是哪一個？

這些不是替代品，而且重疊幾乎為零。MathForm-8B 只做一件事：把自然語言的數學陳述轉成可編譯的 Lean 4。它整套評估機制，包括需要一個運行中的 Lean 伺服器，都是圍繞這件事打造的。如果那正是你的問題，它是一個強而有力、有文件記錄、採用 Apache-2.0 的答案，並附有可重現的工具鏈，而 72.37 的一致性數字就是你要超越的目標——重點是一致性，不是語法，因為一個能編譯但意思不同的形式化，是個代價比編譯失敗更高的 bug。

ZwZ2-9B 是一個通用視覺語言模型。它從未在自動形式化上被評估過，也談不上有任何 Lean 分詞器方面的考量，而且是由一個早期研究為細粒度視覺感知的實驗室所發表。不要去找 ZwZ2-9B 在 Lean 基準測試上的分數；這種分數沒有理由存在。

真正的問題在於，你究竟想要的是專才還是通才。專才在它那一項工作上表現更好，但在那之外毫無用處。通才在任何特定事情上都更差，而當輸入形態多變時，它是唯一的選擇。這個比較之所以失衡，原因不在於兩者之間相隔的八週或那十億個參數——而在於其中一個發布時附上了專才所需的說明文件，另一個則只是作為別人工作的起點而發布。

如果你想在單一管線中同時擁有這兩種能力

有一種真實的模式，正是這兩種模式交會之處：通用模型閱讀一份含糊的文件，擷取出其中的數學主張，交給形式化工具，再由檢查器判定結果是否站得住腳。那是三次分別扮演不同角色的模型呼叫，而這正是路由層存在的意義——讓這種形態變得便宜——OrcaRouter 的路由 DSL 能將多個模型組合成單一次呼叫，因此扇出與後續追問只需一個請求，而不必維護一套協調服務。模型融合，也就是由一組模型共同作答，再由評審挑選最強的回應，是把同樣的概念套用在單一困難問題上，而非套用在一條流程上。

ZwZ2-9B 和 MathForm-8B 都不在我們的目錄中，我們也不會為此美化粉飾：MathForm-8B 採用 Apache-2.0 授權可下載，並可從你自己的 vLLM 或 SGLang 執行個體提供服務，而 ZwZ2-9B 則是一個完全沒有端點的儲存庫。目前從該管線的推理端可供路由使用的是 qwen/qwen3.8-27b — Qwen 當前世代的稠密旗艦模型，Apache-2.0，具備 262K token 上下文，以及 1M token 的託管上限，每百萬輸入 token 為 $0.33、每百萬輸出 token 為 $2.40，以供應商定價原價直通，未加收任何費用。

不對稱性的價值是什麼

MathForm-8B 是更值得撰寫的模型，因為有東西可以查核。ZwZ2-9B 是更有趣的產物，因為一個 9.4B 檢查點搭配調校過的對話模板與被剝除的預測頭，就是有人做了真正工作的證據——而且因為 inclusionAI 在 ZwZ 這個名稱上有過往實績，讓下一篇貼文值得關注。

對任何今天要做決定的人來說，這條規則並不光鮮。一篇已發表的論文、一份資料集、一個具名的基礎模型，以及一份明示的授權條款，都不是文書作業。它們是你能據以規劃的模型，與你必須逆向工程的模型之間的差別，而再有趣的架構也無法彌合那道落差。

這樣的結果也提醒我們，模型錯誤早已有紀錄：這一類模型背後的 AI 事件與代理失效，都收錄在OrcaRouter AI Incident Archive，其中每一筆紀錄都附有自己的來源、嚴重程度、可信度等級與爭議標記。