SingVL_S1_4B: מודל ההחלטות 4.54B של inclusionAI שיצא בלי מילה

בשעה 03:58 UTC ב-11 בנובמבר 2026, ריפוזיטורי בשם SingVL_S1_4B הופיע תחת ארגון inclusionAI ב-Hugging Face. בשעה 05:38 UTC מישהו ערך את קובץ ה-README שלו. עד לכתיבת שורות אלה לא פורסם פוסט בלוג מהמעבדה, לא מאמר ב-arXiv, לא פורסמה גרסה ב-GitHub, לא הייתה רשומה בקטלוג של אף ספק שירותי הסקה, ומונה ההורדות עמד על אפס. כרטיס המודל כותב את השם עם רווחים — Sing VL S1 — ומתאר אותו כמודל החלטות מולטימודלי המבוסס על Q​wen3.5. זהו כל התיעוד הציבורי. כל מה שלמטה נקרא מתוך הקבצים במאגר הזה, וכל מה שנראה כמו טענה מסומן ככזו.

מה בדיוק המשמעות של "מודל החלטה" כאן

זה לא מודל צ׳אט עם יכולת ראייה שהודבקה לו. אתם לא שולחים לו פרומפט וקוראים פסקה בחזרה. אתם שולחים לו מצב — טקסט, JSON, או עד ארבע תמונות — בתוספת מילון של שאלות בעלות שמות, וכל שאלה מצהירה על הסוג שלה ועל התשובות המועמדות שלה. המודל מבצע מעבר קדימה אחד ומחזיר הסתברות עבור כל מועמד.

קיימים שלושה סוגי שאלות, והשמות הם של המודל עצמו:

• בחירה — בחר אחת מהאפשרויות שסופקו; התגובה מכילה הסתברות לכל אפשרות.

• Noul — טענה שתשובתה כן/לא; התגובה היא ההסתברות שהיא נכונה. האיות מוזר, וזהו האיות שבו משתמש הכרטיס.

• ציון — דרג את הקלט ב-2 עד 10 רמות מסודרות; התגובה כוללת את ההסתברות של כל רמה וכן רמה צפויה המחושבת כסכום של אינדקס החל מאפס כפול הסתברות.

אז בקשה אחת יכולה לשאול "איזה צבע נקרא בשם", "האם הצבע הנקרא הוא אדום", ו"עד כמה ברור הטקסט מזהה את הצבע כאדום", ולקבל שלוש תשובות עם רמות ביטחון ממעבר אחד. הדוגמה של הכרטיס עצמו עושה בדיוק את זה, ואז חוזרת על כך בשתי תמונות כדי לשאול איזו מהן אדומה.

ההשלכה הארכיטקטונית היא שאוצר הפלט אינו אוצר מילים. אין דגימה, אין טמפרטורה, אין זרם טוקנים לנתח ואין מצב JSON לשדל. אם הצינור שלך מסתיים כיום בביטוי רגולרי על הפרוזה של המודל כדי לחלץ תווית, זהו סוג המודל שמסיר את הביטוי הרגולרי. אם הצינור שלך זקוק לפרוזה — תקציר, נימוק, קריאה לכלי — למודל הזה אין מה לתת לך, כי הוא לעולם לא מייצר אותה.

המספרים, ושל מי הם המספרים

הכרטיס מפרסם טבלה שכותרתה "Public Decision Index 0.3".‏ Sing VL S1 משיגה 69.76 בלוח הטקסט ו-73.94 בלוח הראייה. עמודות ההשוואה הן TypeSafe Jev 1.14 עם 60.70 בטקסט וללא ציון ראייה שפורסם, StartLux-Decision v1.1 4B עם 67.8 בטקסט ו-67.90 בראייה, ו-Perplexity Decider Flash v1.2 (4B) עם 60.1 בטקסט ו-72.5 בראייה.

יש לקרוא את זה כדיווח עצמי. כל נתון בו מגיע מהמעבדה שאימנה את המודל, בטבלת דירוג שערכת הניקוד שלה פומבית אך החצי הפרטי שלה אינו פומבי, ואף צד שלישי לא הריץ מחדש שום חלק ממנו. ערכת השחזור של ה-Decision Index עצמו — פרויקט ה-decision-index שמשחזר את החבילה הפומבית ומנקד הרצות שהוגשו — אינה מציגה שום הגשה של SingVL בשום מקום בהיסטוריית ה-issues או ה-pull requests שלה נכון לבוקר הזה. הכרטיס כן כולל את הוראות ההגשה, וזה אות סביר לכוונה ולא ראיה לתוצאה.

הפילוח לפי מערך נתונים שימושי יותר מנתון הכותרת, מפני שהוא מראה מהיכן מגיע המצרפי. באחד-עשר מערכי הנתונים החזותיים, השורות החזקות ביותר הן InfographicVQA עם 96.31, Winoground עם 93.12 ומערך מידע המפתח CORD-plus-FUNSD עם 95.82. גם השורות החלשות מאירות עיניים: MMMU-Pro vision מגיע ל-50.17 ללא מיומנות ול-42.85 עם פרומפט המיומנות, R-Bench-M עומד על 49.77 ו-39.72, ומודרציה של ממים שנאה יורדת מ-71.64 ל-43.28. זהו מודל שקורא מסמכים ופריסות היטב אך מנמק גרוע לגבי נתונים אקדמיים קשים — פרופיל שתואם עמוד שדרה של 4.5 מיליארד פרמטרים שעוסק בסיווג ולא בשיקול־דעת מעמיק.

על פני ארבעים ושלושה מערכי נתונים טקסטואליים, BFCL עם 96.81 ו-CLINC150 עם 97.03 הם הבולטים במיוחד; HLE עם 12.77, ChessBench עם 26.88 ומערך הדיאלוג SGD עם 8.33 הם הרצפה. הכרטיס מסמן כמה שורות בפגיון כדי לומר שהמדד מדווח עליהן בנפרד במקום לכלול אותן, וזה סוג של גילוי שקיפות שהופך את שאר הטבלה לקלה יותר לאמון.

מה נמצא בפועל במאגר

שני שארדים של safetensors בסך כולל של כ-9.1 GB, אשר ב-BF16 מסתכמים לכ-4.54 מיליארד פרמטרים — שם המאגר אומר 4B, סרגל הצד של Hugging Face מעגל ל-5B, וסך הטנזורים הוא המספר שביניהם. תצורה שמצהירה על ארכיטקטורת היצירה המותנית של Qwen3.5 עם ממד חבוי בגודל 2560. תבנית צ'אט בגודל 7.7 KB שמטפלת בטוקנים של תמונות ווידאו. ותיקיית inference/ שמכילה את הדבר שהופך את כל זה לשמיש: עטיפת Python, שרת FastAPI, סקריפט בנצ'מרק ושתי תמונות לדוגמה, אחת כחולה ואחת אדומה.

ההגדרה מפורטת עד לרמת גרסת התיקון: Python 3.12,‏ PyTorch ו-torchvision המותאמים לחומרה, כאשר חבילות הדרישות מותקנות מתוך inference/. השרת פועל על פורט 8173 ומגיב בנתיב POST /v1/systemone. נתיב זה אינו נתיב תואם ל-OpenAI ואינו מתיימר להיות כזה; זהו פורמט התקשורת שערכת ההערכה Decision Index מדברת בו. המדריך המהיר של הכרטיס מחבר את ערכת ההערכה ישירות לנקודת הקצה הזו, תחילה עבור חבילת הטקסט ולאחר מכן עבור חבילת הראייה, עם תקציב פיקסלים מפורש של 1,638,400 לכל תמונה.

שתי מגבלות חשובות מבחינה תפעולית ומפורטות בכרטיס ולא מתגלות בייצור: ארבע תמונות לכל בקשה, ו-65,536 אסימוני קלט לטקסט בלבד או 10,000 אסימונים כשמצורפות תמונות. תצורת המעבד קובעת מקסימום של 1,806,336 פיקסלים לתמונה, כך שצילום מסך של עמוד שלם יוקטן לפני קריאתו.

קובץ התצורה מסגיר את מוצאו

פתח את config.json ותופיע קבוצה של מפתחות שאינם סטנדרטיים ב-Qwen3.5: jev_gdn_mode, jev_mask_version, jev_packing, jev_prefix_contract, jev_soft_choice. חוזה הקידומת (prefix contract) קורא "all-input-before-first-answer; single-turn; no-thinking". בלוק הבחירה הרכה (soft-choice) מכיל גיבובי SHA-256 של קבצי ה-Python שמממשים את ה-readout, מוצמדים כך שמעריך יכול לאשר שהקוד שהפיק ציון הוא הקוד שנשלח.

בקריאה פשוטה, "j​ev" הוא שמה של הרתמה המשותפת שמודל זה נבנה לתוכה — אותה משפחת רתמות שמודלי J​ev של TypeSafe וערכת Decision Index מאורגנים סביבה. זוהי הסקה ממחרוזת בקובץ תצורה, ולא הצהרה של הספק, וזה הדבר הבלתי מוסבר המעניין ביותר בשחרור. היא מרמזת ש-Sing VL S1 אינו ניסוי מאפס בהחלטות עם טיפוסים, אלא צ'קפוינט ראייה של Q​wen3.5 שהותאם לפרוטוקול קיים, כשהפנימיות של הפרוטוקול נשלחות לצידו כדי שניתן יהיה לשחזר תוצאות.

יש אח באותו ארגון שתומך בקריאה. LemonDecider של inclusionAI, שפורסם בסוף אוקטובר על בסיס Qwen3.5-4B, הוא מנוע החלטות טקסטואלי בלבד עם פלט של 255 אפשרויות וקבוע כיול טמפרטורה; הכרטיס שלו מתאר את אותו אוצר מילים של choice/noul/score ואת אותו עיצוב של מעבר קדימה יחיד. Sing VL S1 נראה כמו הרחבה של קו העבודה הזה לתמונות. הארגון לא הצהיר על כך.

מה שחסר אינו קוסמטי

• ללא רישיון. המטא-דאטה של כרטיס המודל מצהירה על תגיות עבור הארכיטקטורה והמשימה, אך אין בה שדה רישיון כלל, ולא קיים קובץ LICENSE במאגר. בהיעדר רישיון, ברירת המחדל אינה "פתוח" — אלא "כל הזכויות שמורות, פנה למחבר". לצוות שצריך להפיץ את זה מסחרית אין עדיין הרשאה שאפשר להסתמך עליה, ועליו לומר זאת לעורכי הדין שלו לפני שיאמר זאת למפת הדרכים שלו.

• אין מאמר. לארגון יש שלושים ואחד מאמרים בפרופיל {{1}}Hugging Face{{/1}} שלו, ואף אחד מהם אינו עוסק במודל הזה. אין סעיף שיטה, אין תיאור של נתוני האימון, ואין הצהרה על מה כוונו {{2}}4.54 מיליארד הפרמטרים{{/2}}.

• אין הודעה. כרטיס הארגון עדיין מפנה את העוקבים ל-GitHub שלו ולשני חשבונות ה-X שלו לקבלת חדשות על שחרורים; לאף אחד מהערוצים אין פוסט על מאגר זה שניתן היה למצוא היום. ב-GitHub של הארגון אין מאגר SingVL.

• אין נקודת קצה מנוהלת. אין ספק אינפרנס שמכליל אותו ברשימה. הדרך היחידה להריץ אותו היא להוריד 9.1 GB ולשרת אותו בעצמך.

• אין תוצאה עצמאית. זה הוסבר לעיל, וראוי לחזור על כך, כי זה מה שקובע אם ל-69.76 יש משמעות כלשהי עבורך.

איך בעצם היית משתמש בזה, אם תחליט לעשות כן

סיפור הפריסה הכנה הוא sidecar, לא תחליף. הצב את שרת ה-FastAPI על מכונת GPU, כוון את ה-pipeline הקיים שלך אליו עבור תת-המשימה הספציפית שבה אתה מפרס כיום תווית מתוך טקסט שנוצר — ניתוב כוונות, מיון סוגי מסמכים, דגלי מודרציה, שער כן/לא לפני קריאה יקרה — והשאר את המודל הגנרטיבי במקומו לכל מה שדורש הסבר. פלט ההסתברות הוא העיקר: אתה מקבל מספר שעליו להחיל סף, לא מחרוזת שצריך לבטוח בה.

הדבר שהופך את זה לזול לניסיון הוא שה-API הוא נתיב אחד עם גוף JSON שטוח. פונקציית עטיפה היא עבודה של בוקר. הדבר שהופך את התלות בו ליקרה הוא שמודל בלי רישיון, בלי מאמר ומאגר בן יום אחד יכול להשתנות או להיעלם בלי התראה, לכן נעלו את ה-hash של ה-revision בקונפיג והתייחסו ל-endpoint כתשתית לא מהימנה מאחורי מנגנון גיבוי.

זו גם הנקודה שבה ניתוב מצדיק את מקומו במקום להישאר סיסמה. OrcaRouter כבר מציע את TypeSafe Jev 1.14 — typesafe/jev-1.14, במחיר $0.042 למיליון טוקני קלט — כלומר תבנית מודל ההחלטה זמינה לקריאה היום באמצעות מפתח אחד לצד המודלים הגנרטיביים שאיתם היא אמורה לשבת. Sing VL S1 אינו נמצא ב-OrcaRouter ואין מה להכריז עליו כאן; העובדה הרלוונטית צרה יותר ושימושית יותר. אפשר למדוד את התבנית על נקודת קצה עובדת לפני שמתחייבים להפעיל צ'קפוינט של 9 GB שתנאי השימוש שלו ריקים, ואם הצ'קפוינט יוכיח את מקומו בהמשך, חוזה נוסף אינו מהווה את עלות האימוץ שלו.

מה יהפוך את זה מסקרנות להחלטה

שלושה דברים, לפי מידת המידע שהם ייתנו לך. קובץ רישיון, כי בלעדיו שום דבר אחר לא משנה מבחינה מסחרית. הגשה ל-Decision Index עם תיקיית הרצה מצורפת, כי סעיף ההגשה של הכרטיס מתאר בדיוק את הארטיפקט שיאפשר לזר לבדוק את 69.76 ואת 73.94 במקום פשוט לקבל אותם. והערכה עצמאית שנייה על גבי harness שנשלט בידי מישהו אחר, כי מודל שמנצח במדד שמחבריו שלו עזרו לנסח זקוק לחוות דעת שנייה לפני שהוא זקוק לפוסט השקה.

עד אז, הדרך הנכונה לקרוא את הפרסום הזה היא כפי שהייתם קוראים פריפרנט שחסר בו פרק השיטות: הארטיפקט אמיתי, המספרים הם של המחברים, והחלק המעניין הוא שמודל חזותי בעל 4.5 מיליארד פרמטרים שנבנה עבור וקטורי הסתברות ולא עבור פסקאות קיים עכשיו בכלל. האם זה יהפוך לקטגוריה או להערת שוליים תלוי בניירת שהמאגר עדיין אינו מכיל.