inclusionAISprachmodellAktiv
ZwZ2-4B
Für ZwZ2-4B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
Zusammenfassung
ZwZ2-4B ist die Qwen3.5-4B-Variante von Zooming without Zooming v2. Das Modell soll visuelle Hinweise aus mehreren Bildbereichen verbinden. inclusionAI trainierte die Reihe mit GRPO auf rund 20.400 geprüften Mehrregionen-Fragen aus SA-1B-Bildern. Die privilegierten Ausschnittansichten dienten der Datenerstellung; das trainierte Modell erhält das vollständige Bild und benötigt keine Zoom-Werkzeuge.
Die Quellen berichten 25 Benchmarkwerte aus sechs Domänen, sechs Bereichsmittel und den Gesamtmittelwert. Die Modellkarte nennt auf allen 25 Benchmarks Verbesserungen gegenüber dem Basismodell. Ein zusätzlicher Tabellenmittelwert über elf Benchmarks gehört zum vollständigen 20,4K-Checkpoint. Die 7K-Ablationen werden nicht diesem veröffentlichten Checkpoint zugerechnet.
Die Papierauswertung verwendet je nach Modell einen Low-Thinking- oder Non-Thinking-Modus; eine genaue Zuordnung pro Benchmark fehlt. Das HF-Modellmetadatum nennt keine Lizenz für die Gewichte; die Apache-2.0-Lizenz des Code-Repositories gilt nicht automatisch für sie.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 41 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 4
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
VStar (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89
- Bewertung
- 89
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
HR-4K (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 88.62
- Bewertung
- 88.62
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
HR-8K (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.63
- Bewertung
- 83.63
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
MME-RealWorld EN (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 75.48
- Bewertung
- 75.48
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
MME-RealWorld CN (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 73.89
- Bewertung
- 73.89
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
ZoomBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 58.22
- Bewertung
- 58.22
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
Chartography (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 14
- Bewertung
- 14
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
PerceptionBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.8
- Bewertung
- 37.8
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Fine-grained perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
TreeBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 51.36
- Bewertung
- 51.36
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Spatial perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
O3-Bench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 63.77
- Bewertung
- 63.77
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Spatial perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
CountQA (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 47.19
- Bewertung
- 47.19
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Spatial perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
MIMIC (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 66.1
- Bewertung
- 66.1
- Messgröße
- Accuracy
- Einheit
- %
- Kategorie
- Spatial perception
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ZwZ2 paper (arXiv:2610.37037), Table 1
- Status
- active
- Abrufdatum
- 2026-10-29
- Methodik
- Vom Anbieter veröffentlichter Wert. Genauigkeit (%), Tabelle 1. Das Paper nennt Low-Thinking- oder Non-Thinking-Modi, ordnet aber keinem Benchmark einen konkreten Modus zu. Es werden keine Shot-Zahlen je Benchmark genannt. Die drei externen API-Referenzmodelle hatten plattformbedingt begrenzte Eingabeauflösung; genaue Grenzen fehlen.
- Einordnung
- Von den Autoren berichtete Genauigkeit. Das Paper nennt je Benchmark weder Stichprobengröße noch Konfidenzintervall.
Seite 1 von 4
Alle technischen Daten
Architektur
- Architektur
- Qwen3.5/Qwen3.6-Multimodalmodell. Konfiguration: 32 Sprachschichten, verborgene Größe 2560, 16 Aufmerksamkeitsköpfe, Zwischenbreite 9216; Vision-Encoder mit 24 Schichten und verborgener Größe 1024.
- Quelle: Architektur
Ein- und Ausgabe
Weitere Angaben
- Gewichte
- Öffentliches Gewichtsmodell; das Modell ist als Image-Text-to-Text gekennzeichnet.
- Quelle: Gewichte
- Positionslimit der Konfiguration
- Die verschachtelte Textkonfiguration setzt max_position_embeddings auf 262.144. Das ist ein Konfigurationswert, keine separate Zusage zur tatsächlich erreichbaren Länge in jeder Laufzeit.
- Quelle: Positionslimit der Konfiguration
- Trainingsmethode
- ZwZ2 wurde mit GRPO ohne zusätzliches Supervised Fine-Tuning auf rund 20.400 geprüften Mehrregionen-VQA-Beispielen trainiert. Die Beispiele wurden aus SA-1B-Bildern erstellt; beim Training sieht das Modell das vollständige Bild, nicht die privilegierten Ausschnittansichten.
- Quelle: Trainingsmethode
- Reasoning-Modus
- Die Trainings-Rollouts liefen ohne Thinking-Modus. Das veröffentlichte Inferenzbeispiel setzt enable_thinking=false und do_sample=false.
- Quelle: Reasoning-Modus
- Benchmarkumfang
- Die Herstellerkarte veröffentlicht die vollständige Ergebnistabelle mit 25 Benchmarks in sechs Domänen sowie Bereichs- und Gesamtmittelwerten.
- Quelle: Benchmarkumfang
- Lizenz der Gewichte
- Im HF-Modellmetadatum ist keine Lizenz angegeben. Die Karte verweist auf die jeweils geltenden Gewichts- und Backbone-Lizenzen.
- Quelle: Lizenz der Gewichte
- Lizenz des Code-Repositorys
- Das separate ZwZ2-Code-Repository steht unter Apache-2.0. Diese Code-Lizenz ist kein Nachweis für die Lizenz der Modellgewichte.
- Quelle: Lizenz des Code-Repositorys
- Parameterangabe
- Der Modellname und das Basismodell verweisen auf die 4B-Skala; die HF-Seitenleiste rundet die Modellgröße auf 5B Parameter. Die exakte Gesamtzahl ist in der Konfiguration nicht angegeben und bleibt deshalb unbestimmt.
- Quelle: Parameterangabe
- Kontext in der Konfiguration
- Positionslimit der Textkonfiguration
- Quelle: Kontext in der Konfiguration
- Prüfdatum und Veröffentlichungsdatum
- Prüfdatum und Freigabedatum
- Quelle: Prüfdatum und Veröffentlichungsdatum
- Lizenz des Code-Repositorys
- Apache-2.0 gilt für das Code-Repository, nicht automatisch für die Modellgewichte.
- Quelle: Lizenz des Code-Repositorys
Häufige Fragen zu ZwZ2-4B
Wie groß ist das Kontextfenster von ZwZ2-4B?
262.144 Token. So viel Text liest ZwZ2-4B auf einmal, das sind rund 390 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
Kann ich ZwZ2-4B lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von inclusionAI
- Offene Gewichte
- ja
- Lizenz
- k. A.
- Parameter
- 4 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 29. Oktober 2026. 61 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | Stichprobengrößen und Konfidenzintervalle je Benchmark in Tabelle 1 Hinweis Das Paper berichtet Werte, veröffentlicht aber weder n je Benchmark noch Konfidenzintervalle für die Auswertungen in Tabelle 1. |
| Nicht veröffentlicht | Exakter Reasoning-Modus und Bildauflösung je Benchmark Hinweis Das Paper nennt Low-Thinking oder Non-Thinking und weist auf plattformbedingt begrenzte Auflösung bei drei externen API-Baselines hin. Eine vollständige Zuordnung pro Modell und Benchmark oder genaue Auflösungswerte fehlen. |
| Nicht veröffentlicht | Exakte Punktwerte der Kontextlängenkurven in Abbildung 5 Hinweis Abbildung 5 zeigt Kurven für MemLens und den visuellen Kern von MMLongBench ohne tabellierte Punktbeschriftungen. Aus der Grafik werden keine Werte geschätzt. |
| Nicht veröffentlicht | Schichtweise TreeBench-Aufmerksamkeits-IoU für 27B Hinweis Tabelle 5 vergleicht nur 4B und 9B mit ihren Basismodellen; schichtweise Aufmerksamkeitswerte für 27B sind nicht veröffentlicht. |
| In den geprüften Quellen nicht gefunden | Exaktes Datum der öffentlichen Gewichtsfreigabe Hinweis Paper und Modellkarten waren am Prüftag öffentlich; ein exaktes Datum der erstmaligen öffentlichen Gewichtsfreigabe wurde nicht verifiziert. HF-Repository-Erstellungszeitpunkte gelten nicht als Veröffentlichungsdaten. |
| In den geprüften Quellen nicht gefunden | Lizenz der Gewichte Hinweis Die HF-Modellmetadaten nennen keine Lizenz. Die Modellkarte verweist auf separate Lizenzbedingungen für Gewichte und Basismodell; Apache-2.0 für den Code belegt keine Lizenz der Modellgewichte. |
| In den geprüften Quellen nicht gefunden | Vals-Zeilen in erfassten Payloads Hinweis Neun vollständige Vals-Payloads vom 28. Oktober wurden geprüft; keine exakte Modell-ID oder eindeutige Modellbezeichnung. Gilt nur für diese gespeicherten Benchmarks. |
| Ungeklärt | Nicht erfasste Arena Code-/Speech-Ranglisten Hinweis Erfasst wurden Text, Agent einschließlich Code/Chat/Work sowie zwölf WebDev-Ansichten. Eine separate allgemeine Code- und eine Arena-Speech-Rangliste wurden nicht als vollständige Tabelle gesichert. |
| Ungeklärt | Artificial Analysis Katalogabgleich Hinweis Der vollständige aktuelle AA-Modell- und Benchmarkkatalog wurde für dieses Profil in diesem Sidecar nicht erneut abgeglichen. Dieser Sidecar behauptet keinen AA-Nullbefund; native AA-Importe bleiben maßgeblich. |
| Weitere Quelle | ZwZ2-4B official model card (abgerufen 29. Oktober 2026) · ZwZ2-4B official model card · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |
| Weitere Quelle | ZwZ2-4B published configuration (abgerufen 29. Oktober 2026) · ZwZ2-4B configuration · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |
| Weitere Quelle | ZwZ2 full-resolution results image (abgerufen 29. Oktober 2026) · ZwZ2-4B full-resolution results image · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |
| Weitere Quelle | ZwZ2 paper, arXiv:2610.37037 (abgerufen 29. Oktober 2026) |
| Weitere Quelle | ZwZ2 project repository (abgerufen 29. Oktober 2026) · ZwZ2 project repository · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |
| Weitere Quelle | Modellmetadaten (abgerufen 29. Oktober 2026)12 |
| Weitere Quelle | ZwZ2 paper · Redaktionelle Beschreibung geprüft am 29. Oktober 2026 |