SingVL_S1_4B vs MiniCPM-V 4.7 1B : 4,54 milliards de paramètres et aucune licence

Le nombre le plus utile dans cette confrontation ne figure sur aucune des deux fiches techniques. C’est 1,55 milliard : le total de tenseurs de MiniCPM-V 4.7 1B, le modèle de vision embarqué publié par OpenBMB le 12 octobre 2026 sous Apache 2.0, avec des builds GGUF, AWQ, GPTQ, int4 et FP8 déjà publiés et des portages vers iOS, Android et HarmonyOS. Face à lui se trouve SingVL_S1_4B, le modèle de décision à 4,54 milliards de paramètres d’inclusionAI, mis en ligne le 11 novembre 2026 sans annonce, sans fichier de licence et sans variante quantifiée d’aucune sorte. Environ trois fois plus de poids, du mauvais côté du budget mémoire d’un téléphone, pour accomplir une tâche qui, pour l’essentiel, n’est pas la même tâche. La comparaison vaut quand même la peine, car elle met en lumière la seule question à laquelle une fiche technique ne peut pas répondre : que vous doit un modèle au-delà de sa sortie ?

Ce que chaque modèle renvoie, et donc où il peut résider

MiniCPM-V 4.7 1B est un modèle multimodal ajusté aux instructions au sens conventionnel. Il lit une seule image, plusieurs images ou une vidéo, et génère une réponse — légendes, transcriptions, réponse à des questions visuelles, conversation multi-tours. OpenBMB fournit pour lui des têtes de décodage spéculatif DSpark dédiées, publiées trois jours après le modèle, et le prend en charge via SGLang, vLLM, llama.cpp et Ollama, avec un affinage via SWIFT et LLaMA-Factory. Il existe un espace de démonstration en direct et un cookbook public. Chacun de ces canaux permet à quelqu'un d'autre que le fournisseur d'avoir fait tourner le modèle.

SingVL_S1_4B ne génère pas. Vous lui fournissez un état — texte, JSON, jusqu’à quatre images — et un ensemble de questions nommées avec des types déclarés, et il renvoie une probabilité pour chaque option proposée. Choice choisit un candidat, noul renvoie la probabilité qu’une proposition oui/non soit vraie, et score renvoie une distribution sur deux à dix niveaux ordonnés plus un niveau attendu. Une seule passe avant, aucun échantillonnage, aucune prose. Le guide de démarrage rapide du dépôt lance un serveur FastAPI sur le port 8173 et envoie du JSON à /v1/systemone.

Ainsi, la question du déploiement trouve sa réponse avant même que celle du benchmark ne soit posée. MiniCPM-V 4.7 1B a une histoire proche d’ONNX, des portages mobiles et un support des fabricants de puces, parce qu’il a été conçu pour tenir sur un appareil. SingVL_S1_4B a un serveur Python parce qu’il a été conçu pour tourner sur un GPU que quelqu’un possède. Si votre produit livre une application, l’un de ces modèles est un composant et l’autre une dépendance de service.

L’efficacité, c’est toute la thèse d’un côté

La variante 1B d’OpenBMB existe pour occuper une position sur une courbe performance/temps d’inférence, et la fiche est explicite : c’est cela — et non la précision brute — qui constitue l’argument. L’architecture obtient cette position de deux manières : une compression précoce intra-ViT, issue de la gamme LLaVA-UHD v4, qui réduit les tokens visuels à l’intérieur de l’encodeur visuel afin que les couches suivantes fassent moins de travail, et une compression mixte des tokens visuels 4x/16x, qui permet à un appelant d’échanger du détail contre du coût par tâche. S’y ajoutent les têtes spéculatives DSpark et une liste de prise en charge annoncée dès le jour zéro, allant de Rockchip et Houmo à Intel, AMD et Arm.

La comparaison que le fournisseur publie réellement pour cette variante porte sur Qwen3.5 0.8B : un meilleur score global et une meilleure efficacité d’inférence en mode Instruct, selon ses propres mesures. Il s’agit d’une affirmation étroite, émanant du même laboratoire que celui qui a conçu le modèle, et c’est l’affirmation autour de laquelle le produit est construit.

SingVL_S1_4B ne revendique absolument aucune efficacité. La fiche ne rapporte ni latence, ni débit, ni empreinte mémoire, ni jetons par seconde. Ce qu’elle rapporte, indirectement, c’est une conception qui devrait être efficace pour une autre tâche : une seule passe avant renvoie toutes les réponses à toutes les questions de la requête, alors qu’un modèle génératif nécessite une passe par jeton de sortie. Pour une classification à cinq options, il s’agit d’un avantage structurel considérable. Pour une légende, ce n’est pas une comparaison, car il n’y a pas de légende.

À signaler : la config fige le contrat d’entrée sur « all-input-before-first-answer; single-turn; no-thinking », et le README indique 65 536 jetons d’entrée pour le texte, ou 10 000 avec des images. Un modèle 1B qui tourne sur un téléphone et un modèle 4,5B qui a besoin d’un budget d’image de 10 000 jetons répondent à des contraintes différentes. Aucun des deux chiffres n’est faux ; ce sont des réponses à des questions différentes.

L'écart en matière de licences est l'aspect le plus marqué de cette comparaison.

MiniCPM-V 4.7 1B est sous licence Apache 2.0. Ce n’est pas un détail marketing — c’est la raison d’être de l’écosystème qui l’entoure. Dans les quatre semaines suivant sa sortie, il existait des quantifications GGUF communautaires de plusieurs éditeurs, un portage MNN, une compilation Rockchip RKLLM, une compilation NPU, une intégration ComfyUI et au moins un fine-tune sur le Hub. Rien de tout cela n’aurait pu se produire sous une licence ambiguë, car aucune de ces personnes n’aurait pu redistribuer les poids.

SingVL_S1_4B est livré sans champ de licence dans les métadonnées de sa fiche modèle et sans fichier LICENSE dans le dépôt. En vertu du droit d’auteur par défaut, cela signifie que personne en dehors d’inclusionAI n’a l’autorisation de le redistribuer, de le quantifier et de publier le résultat, ni de l’intégrer à un produit sans accord distinct. L’organisation a publié de nombreux modèles avec des conditions explicites — LemonDecider est sous Apache 2.0, la famille SingProbe est sous licence communautaire de Qwen —, si bien que cette omission s’interprète comme une publication inachevée plutôt que comme une restriction délibérée. Mais une interprétation ne constitue pas une autorisation.

La conséquence pratique : pour tout ce qui touche à un client, à un processus d'achat ou à une boutique d'applications, MiniCPM-V 4.7 1B est utilisable cette semaine, et SingVL_S1_4B ne l'est pas. Cette seule ligne détermine davantage de décisions de déploiement réelles que toutes les lignes de benchmarks figurant sur l'une ou l'autre des fiches.

Benchmarks qui ne doivent pas être placés dans la même colonne

Il n'y a pas de règle commune ici, et il vaut la peine d'expliquer clairement pourquoi plutôt que de se renvoyer des chiffres.

L'évaluation de MiniCPM-V 4.7 1B est publiée sous forme de graphiques — une comparaison globale des performances, une frontière performance/temps d'inférence — plutôt que sous forme de tableau par jeu de données dans la fiche du modèle. Les chiffres existent, le cadrage est comparatif et visuel, et l'affirmation phare est de nature positionnelle : meilleur sur la frontière que Qwen3.5 0.8B.

SingVL_S1_4B publie un tableau dense : 69,76 au panneau Texte du Decision Index et 73,94 au panneau Vision, avec le détail des quarante-trois jeux de données textuels et des onze jeux de données visuels. Ces scores sont obtenus en notant des options fournies et en retenant la probabilité maximale, ce qui est une tâche nettement plus facile que de générer une réponse libre qu’un évaluateur doit faire correspondre, et le Decision Index précise explicitement que ses chiffres sont corrigés du hasard et ajustés en fonction de la couverture, si bien que deviner ne rapporte rien.

Placer « 73.94 vision » à côté d’un graphique de pointe de MiniCPM-V serait une erreur de catégorie déguisée en comparaison. La seule affirmation honnête est que les deux séries de chiffres sont déclarées par les fournisseurs, qu’aucune n’a été reproduite par un laboratoire neutre, et que ceux de SingVL_S1_4B ont en outre deux jours et n’ont fait l’objet d’aucune soumission au kit public de reproduction du Decision Index — la fiche comprend les instructions pour en déposer une, ce qui témoigne d’une intention plutôt que d’un résultat.

Là où les chiffres propres au modèle 1B deviennent intéressants

La ventilation du Decision Index pour SingVL_S1_4B est plus révélatrice que son résultat agrégé, et elle décrit justement un profil de tâches pour lequel le modèle 1B est également en lice. Sur les travaux de vision de type document, SingVL_S1_4B rapporte 96,31 sur InfographicVQA et 95,82 sur l’ensemble d’informations clés CORD-plus-FUNSD. Sur le raisonnement académique difficile, il rapporte 50,17 sur MMMU-Pro vision et 49,77 sur R-Bench-M. La modération s’établit à 71,64 et chute à 43,28 avec le prompt de compétence.

Ce profil — solide sur la mise en page et l’extraction de documents, faible en raisonnement délibératif, sensible au cadrage du prompt pour les jugements subjectifs — est exactement ce que l’on attendrait d’un classifieur de 4,5 B doté d’un encodeur visuel et sans étape de génération, et il correspond au même usage pour lequel MiniCPM-V 4.7 1B est vendu : documents, écrans, OCR embarqué. Les deux modèles se recouvrent donc en termes de tâche, même s’ils diffèrent par la forme de sortie. La question à laquelle une équipe est réellement confrontée est de savoir si elle a besoin de la valeur extraite ou de la réponse extraite.

Si le pipeline a besoin du champ, du nombre, du libellé — la sortie de SingVL_S1_4B est déjà ce que vous vouliez, et vous sautez l'analyse. Si le pipeline a besoin que la page soit rendue sous forme de texte avec la structure préservée, ou d'une explication de la raison pour laquelle le champ était ambigu, MiniCPM-V 4.7 1B est le seul des deux capable de le produire.

La voie du milieu, et ce qu’elle coûte

Aucun des deux n’a besoin de constituer un engagement architectural pris dès le premier jour, et l’expérience la moins chère n’est pas celle qui va de soi. MiniCPM-V 4.7 1B tourne sur un ordinateur portable, donc le tester coûte un après-midi et rien d’autre. SingVL_S1_4B coûte un GPU et un téléchargement de 9,1 Go rien que pour pouvoir être testé, et sa situation en matière de licence signifie que le test ne peut pas devenir un déploiement sans une conversation que personne chez inclusionAI n’a actuellement en public.

Si ce que vous voulez savoir, c’est si le scoring de décisions typées aide réellement votre tâche — avant d’investir dans l’hébergement d’un nouveau checkpoint —, le schéma est déjà disponible sous forme d’endpoint appelable. OrcaRouter propose TypeSafe Jev 1.14 à 0,042 $ par million de tokens d’entrée aux côtés de plus de 200 autres modèles sur une seule clé, avec les tarifs catalogue des fournisseurs répercutés sans marge (0 %) et un basculement automatique en cas de défaillance d’un fournisseur. Cela vous donne un point de terminaison de décision fonctionnel pour l’évaluer par rapport à vos propres étiquettes, à côté des modèles génératifs que vous conserveriez pour tout le reste. SingVL_S1_4B n’est pas disponible sur OrcaRouter et il n’existe aucun point de terminaison hébergé pour ce modèle, donc rien ici n’affirme sa disponibilité ; l’idée est que la question de conception et celle du fournisseur sont séparables, et une seule des deux nécessite un GPU.

Le résumé honnête, dans l’ordre où les décisions sont prises

• Peut-il légalement être intégré à un produit — MiniCPM-V 4.7 1B, Apache 2.0, aujourd’hui. SingVL_S1_4B, non, jusqu’à ce qu’une licence apparaisse.

• Peut-il fonctionner là où fonctionne le produit — MiniCPM-V 4.7 1B, sur téléphones et puces edge. SingVL_S1_4B, sur un serveur GPU que vous exploitez.

• Renvoie-t-il ce dont le pipeline a besoin — SingVL_S1_4B si la réponse est une étiquette et un score de confiance ; MiniCPM-V 4.7 1B s'il s'agit de texte, de structure ou d'explication.

• L'un ou l'autre est-il prouvé de manière indépendante — non. Les deux séries de chiffres proviennent des fournisseurs. MiniCPM-V 4.7 1B compte quatre semaines d'utilisation par des tiers ; SingVL_S1_4B compte deux jours et zéro téléchargement.

• Lequel évaluerais-je en premier — MiniCPM-V 4.7 1B, parce qu’il ne coûte rien à essayer et qu’on ne peut pas l’écarter sur le papier. Ensuite, le schéma de décision face à un point de terminaison servi, et seulement ensuite le nouveau checkpoint, si le schéma s’amortit.

Cet ordre n’est pas un verdict sur le modèle à 4,5 milliards de paramètres. C’est une déclaration sur ce qu’une publication sans licence, sans article ni annonce peut demander à un inconnu, ce qui n’est pas grand-chose. L’artefact est réel et la conception est intéressante ; ces deux choses peuvent être vraies alors que la réponse à « devons-nous l’utiliser » reste non pour un moment encore.