SingVL_S1_4B: نموذج القرار 4.54B الذي أطلقته inclusionAI دون أي كلمة

في 03:58 UTC يوم 11 نوفمبر 2026، مستودع يُدعى SingVL_S1_4B ظهر تحت منظمة inclusionAI على Hugging Face. في 05:38 UTC، عدّل شخصٌ ما ملف README الخاص به. بحلول وقت كتابة هذا النص، لم يكن هناك أي منشور مدوّنة من المختبر، ولا ورقة على arXiv، ولا إصدار على GitHub، ولا إدخال في كتالوج أي مزوّد استدلال، وكان عداد التنزيلات عند الصفر. تكتب بطاقة النموذج الاسم بمسافات — Sing VL S1 — وتصفه بأنه نموذج قرار متعدد الوسائط مبني على Q​wen3.5. هذا هو السجل العام بأكمله. كل ما أدناه مقروء من الملفات الموجودة في ذلك المستودع، وكل ما يبدو كادعاء يُوسَم على أنه كذلك.

ما الذي يعني «نموذج القرار» هنا، على وجه الدقة؟

هذا ليس نموذج محادثة أُضيفت إليه الرؤية ترقيعًا. فأنت لا ترسل إليه طلبًا وتقرأ فقرة في المقابل. بل ترسل إليه حالة — نصًا أو JSON أو ما يصل إلى أربع صور — بالإضافة إلى قاموس من أسئلة مسمّاة، ويُعلن كل سؤال عن نوعه وإجاباته المرشحة. يُجري النموذج تمريرة أمامية واحدة ويعيد احتمالًا لكل مرشح.

توجد ثلاثة أنواع من الأسئلة، والأسماء هي أسماء النموذج نفسه:

• اختيار — اختر أحد الخيارات المقدمة؛ تحمل الاستجابة احتمالًا لكل خيار.

• Noul — عبارة تُجاب بنعم/لا؛ والاستجابة هي احتمال أن تكون صحيحة. التهجئة غريبة وهي ما تستخدمه البطاقة.

• الدرجة — قيّم المدخل على مستويات مرتبة من 2 إلى 10؛ تحمل الاستجابة احتمال كل مستوى بالإضافة إلى مستوى متوقع يُحسب كمجموع ضرب المؤشر المبني على الصفر في الاحتمال.

لذلك يمكن لطلب واحد أن يسأل: «أي لون هو المسمّى»، و«هل اللون المسمّى أحمر»، و«ما مدى وضوح تحديد النص للون على أنه أحمر»، ويحصل على ثلاث إجابات مع درجات ثقة من تمريرة واحدة. ومثال البطاقة نفسه يفعل ذلك تمامًا، ثم يكرره عبر صورتين ليسأل أيّهما أحمر.

النتيجة المعمارية هي أن مفردات الإخراج ليست مفردات. لا يوجد أخذ عينات، ولا درجة حرارة، ولا تدفق رموز لتحليله، ولا وضع JSON لاستدراجه. إذا كانت خط أنابيبك تنتهي حاليًا بتعبير نمطي فوق نثر النموذج لاستخراج تسمية، فهذا هو شكل النموذج الذي يزيل التعبير النمطي. وإذا كانت خط أنابيبك تحتاج إلى النثر — ملخص، أو تبرير، أو استدعاء أداة — فهذا النموذج ليس لديه ما يقدمه لك، لأنه لا يولّد واحدًا أبدًا.

الأرقام، ولمن هي أرقام

تنشر البطاقة جدولًا بعنوان «مؤشر القرار العام 0.3». تسجّل Sing VL S1 نتيجة 69.76 في لوحة النصوص و73.94 في لوحة الرؤية. أعمدة المقارنة هي TypeSafe Jev 1.14 عند 60.70 في النصوص دون نشر درجة للرؤية، وStartLux-Decision v1.1 4B عند 67.8 في النصوص و67.90 في الرؤية، وPerplexity Decider Flash v1.2 (4B) عند 60.1 في النصوص و72.5 في الرؤية.

اقرأ ذلك باعتباره تقريرًا ذاتيًا. كل رقم فيه يأتي من المختبر الذي درّب النموذج، على لوحة صدارةٍ مجموعة أدوات التقييم فيها علنية لكن نصفها الخاص ليس كذلك، ولم يُعِد أي طرف ثالث تشغيل أي جزء منه. مجموعة أدوات إعادة الإنتاج الخاصة بـ Decision Index — أعني مشروع decision-index الذي يعيد بناء الحزمة العامة ويقيّم التشغيلات المقدمة — لا تُظهر أي تقديم من SingVL في أي مكان من سجل المشكلات أو طلبات السحب الخاص بها حتى صباح اليوم. وتتضمن البطاقة بالفعل تعليمات التقديم، وهي إشارة معقولة إلى النية لا دليلًا على نتيجة.

التفصيل حسب مجموعة البيانات أكثر فائدة من العنوان الرئيسي، لأنه يُظهر من أين يأتي الإجمالي. في مجموعات بيانات الرؤية الإحدى عشرة، تكون أقوى الصفوف InfographicVQA عند 96.31، وWinoground عند 93.12، ومجموعة المعلومات الأساسية CORD-plus-FUNSD عند 95.82. والصفوف الضعيفة مفيدة بالقدر نفسه: يسجّل MMMU-Pro vision 50.17 في الوضع غير المهاري و42.85 مع موجّه المهارة، وR-Bench-M عند 49.77 و39.72، ومراقبة الميمات المحرّضة على الكراهية عند 71.64 لتهبط إلى 43.28. هذا نموذج يقرأ المستندات والتخطيطات جيدًا ويستدل على الأرقام الأكاديمية الصعبة بشكل ضعيف — وهو ملف يتسق مع بنية أساسية بـ4.5 مليار معامل تقوم بالتصنيف بدلًا من التروّي.

على مجموعات البيانات النصية الثلاث والأربعين، يُعد BFCL عند 96.81 وCLINC150 عند 97.03 الأبرز؛ بينما HLE عند 12.77 وChessBench عند 26.88 ومجموعة حوار SGD عند 8.33 هي الحد الأدنى. وتضع البطاقة علامة خنجر على عدة صفوف لتوضيح أن المؤشر يوردها منفصلة بدلًا من دمجها، وهو نوع الإفصاح الذي يجعل بقية الجدول أسهل في الثقة.

ما هو موجود فعليًا في المستودع

شريحتان من safetensors بإجمالي نحو 9.1 GB، وهو ما يعادل عند BF16 حوالي 4.54 مليار معامل — اسم المستودع يقول 4B، وشريط Hugging Face الجانبي يقرّبه إلى 5B، وإجمالي الموترات هو الرقم الواقع بينهما. إعداد يعلن عن بنية Qwen3.5 للتوليد الشرطي بحجم مخفي 2560. قالب دردشة بحجم 7.7 KB يتعامل مع رموز الصور والفيديو. ودليل inference/ يحتوي على ما يجعل أيًا من هذا قابلًا للاستخدام: غلاف Python، وخادم FastAPI، وسكربت لقياس الأداء، وصورتين مثاليتين، واحدة زرقاء وأخرى حمراء.

الإعداد محدد حتى إصدار التصحيح: Python 3.12، وPyTorch وtorchvision المتوافقان مع العتاد، والمتطلبات مثبتة من داخل inference/. يعمل الخادم على المنفذ 8173 ويستجيب عند POST /v1/systemone. هذا المسار ليس مسارًا متوافقًا مع OpenAI ولا يدّعي أنه كذلك؛ بل هو تنسيق الاتصال الذي تتحدثه مجموعة أدوات تقييم Decision Index. يربط دليل البدء السريع الخاص بالبطاقة مجموعة الأدوات بتلك الطرفية مباشرة، أولًا لمجموعة اختبارات النصوص ثم لمجموعة اختبارات الرؤية بميزانية بكسل صريحة قدرها 1,638,400 لكل صورة.

هناك حدّان مهمّان تشغيليًا، وهما مذكوران في البطاقة بدلًا من أن يُكتشفا أثناء التشغيل الفعلي: أربع صور لكل طلب، و65,536 رمزًا من المدخلات للنصوص فقط أو 10,000 رمزًا بمجرد إرفاق الصور. يضبط إعداد المعالج حدًا أقصى قدره 1,806,336 بكسل لكل صورة، لذا ستُصغَّر لقطة الشاشة كاملة الصفحة قبل قراءتها.

ملف الإعدادات يكشف عن أصله

عند فتح config.json تظهر مجموعة من المفاتيح غير القياسية الخاصة بـ Qwen3.5: jev_gdn_mode، وjev_mask_version، وjev_packing، وjev_prefix_contract، وjev_soft_choice. ينص عقد البادئة على «all-input-before-first-answer; single-turn; no-thinking». وتحتوي كتلة الاختيار الناعم على تجزئات SHA-256 لملفات Python التي تنفّذ القراءة، مثبّتة بحيث يستطيع المُقيّم التأكد من أن الشيفرة التي أنتجت النتيجة هي الشيفرة التي تم شحنها.

Read plainly, "j​ev" is the name of the shared harness this model was built into — the same family of harness that TypeSafe's J​ev models and the Decision Index kit are organised around. That is an inference from a string in a config file, not a statement from the vendor, and it is the most interesting unexplained thing in the release. It suggests Sing VL S1 is not a from-scratch experiment in typed decisions but a Q​wen3.5 vision checkpoint adapted into an existing protocol, with the protocol's internals shipped alongside so results can be reproduced.

ثمة نموذج شقيق داخل المنظمة نفسها يدعم هذا التفسير. إن LemonDecider التابع لـ inclusionAI، الذي نُشر في أواخر أكتوبر على أساس Q​wen3.5-4B، محرك قرار نصي فقط بمخرجات من 255 خيارًا وثابت معايرة لدرجة الحرارة؛ وتصف بطاقته المفردات نفسها choice/noul/score والتصميم نفسه ذا التمريرة الأمامية الواحدة. ويبدو أن Sing VL S1 امتداد لخط العمل ذاك ليشمل الصور. ولم تعلن المنظمة ذلك.

ما ينقص ليس شكليًا

• لا يوجد ترخيص. تُعلن بيانات التعريف الخاصة ببطاقة النموذج عن وسوم للبنية والمهمة، لكنها لا تتضمن حقل ترخيص على الإطلاق، ولا يوجد ملف LICENSE في المستودع. وبدون ترخيص، فإن الوضع الافتراضي ليس "مفتوحًا" — بل "جميع الحقوق محفوظة، راجع المؤلف". والفريق الذي يحتاج إلى طرح هذا تجاريًا لا يملك إذنًا يمكنه الاعتماد عليه بعد، وعليه أن يقول ذلك لمحاميه قبل أن يقوله لخريطة طريقه.

• لا توجد ورقة. لدى المنظمة إحدى وثلاثون ورقة على ملفها التعريفي في Hugging Face، ولا توجد أي منها عن هذا النموذج. لا يوجد قسم للطريقة، ولا وصف لبيانات التدريب، ولا بيان بشأن ما ضُبطت عليه المعاملات البالغ عددها 4.54 مليار معامل.

• لا إعلان. لا تزال بطاقة المؤسسة توجّه المتابعين إلى GitHub الخاص بها وحسابيها على X للحصول على أخبار الإصدارات؛ ولم يُعثر اليوم على أي منشور في أي من القناتين عن هذا المستودع. ولا يحتوي GitHub الخاص بالمؤسسة على مستودع SingVL.

• لا توجد نقطة نهاية مستضافة. ولا يُدرجه أي مزوّد استدلال. الطريقة الوحيدة لتشغيله هي تنزيل 9.1 GB واستضافته بنفسك.

• لا نتيجة مستقلة. سبق تغطيتها أعلاه، ويجدر تكرارها لأنها هي ما يحدد ما إذا كان 69.76 يعني لك أي شيء.

كيف ستستخدمه فعليًا، إذا قررت ذلك

القصة الصادقة للنشر هي حلّ جانبي مساعد، وليس بديلاً. ضع خادم FastAPI على جهاز مزوّد بـGPU، ووجّه خط أنابيبك الحالي إليه للمهمة الفرعية المحددة التي تستخرج فيها حالياً تسمية من نص مولَّد — توجيه النوايا، وفرز نوع المستند، وعلامات الإشراف، وبوابة نعم/لا قبل استدعاء مكلف — واترك النموذج التوليدي في مكانه لكل ما يحتاج إلى شرح. مخرجات الاحتمال هي المقصد: فأنت تحصل على رقم تضبط عليه عتبة، لا على سلسلة نصية تثق بها.

ما يجعل تجربته رخيصة هو أن واجهة برمجة التطبيقات (API) مسار واحد بجسم JSON مسطح. دالة تغليف هي عمل صباح واحد. وما يجعل الاعتماد عليه مكلفًا هو أن نموذجًا بلا ترخيص ولا ورقة بحثية ومستودعًا عمره يوم واحد يمكن أن يتغير أو يختفي دون إشعار، لذا ثبّت تجزئة المراجعة في الإعدادات وتعامل مع نقطة النهاية كبنية تحتية غير موثوقة خلف بديل احتياطي.

وهنا أيضاً يكتسب التوجيه مكانته بدلاً من أن يكون شعاراً. OrcaRouter يحمل بالفعل TypeSafe Jev 1.14 — typesafe/jev-1.14، بسعر $0.042 لكل مليون رمز إدخال — مما يعني أن نمط نموذج القرار قابل للاستدعاء اليوم عبر مفتاح واحد إلى جانب النماذج التوليدية التي سيجاورها. Sing VL S1 ليس على OrcaRouter ولا يوجد ما يُعلن عنه هنا؛ الحقيقة ذات الصلة أضيق وأكثر فائدة. يمكنك قياس النمط على نقطة نهاية عاملة قبل أن تلتزم بتقديم نقطة تحقق بحجم 9 GB تكون شروط استخدامها فارغة، وإذا اكتسبت نقطة التحقق مكانتها لاحقاً، فإن عقداً ثانياً ليس تكلفة اعتماده.

ما الذي سيحوّل هذا من مجرد فضول إلى قرار؟

ثلاثة أشياء، مرتبة بحسب مقدار ما ستكشفه لك من معلومات. ملف ترخيص، لأنه بدونه لا شيء آخر يهم تجارياً. وتقديم إلى Decision Index مرفق به مجلد تشغيل، لأن قسم التقديم في البطاقة يصف بالضبط العنصر الذي سيتيح لشخص غريب التحقق من 69.76 و73.94 بدلاً من قبولهما كما هما. وتقييم ثانٍ مستقل على إطار اختبار يتحكم به شخص آخر، لأن نموذجاً يفوز في معيار قياس ساعد مؤلفوه أنفسهم في إضفاء الطابع الرسمي عليه يحتاج إلى رأي ثانٍ قبل أن يحتاج إلى منشور إطلاق.

حتى ذلك الحين، الطريقة الصحيحة لقراءة هذا الإصدار هي الطريقة التي تقرأ بها مسودة بحثية أولية ينقصها قسم المنهجية: الناتج موجود فعلاً، والأرقام هي أرقام المؤلفين، والجزء المثير للاهتمام هو أن نموذج رؤية بـ4.5 مليار معامل، بُني لمتجهات الاحتمال بدلاً من الفقرات، أصبح موجوداً الآن أصلاً. أما إن كان ذلك سيصبح فئة أم حاشية، فيعتمد على أوراق رسمية لا يحتويها المستودع بعد.