SingVL_S1_4B vs MiniCPM-V 4.7 1B: 4,54 Miliar Parameter dan Tanpa Lisensi

Angka paling berguna dalam perbandingan ini tidak ada di kartu model mana pun. Angka itu adalah 1,55 miliar: total tensor dari MiniCPM-V 4.7 1B, model visi on-device yang dirilis OpenBMB pada 12 Oktober 2026 di bawah Apache 2.0, dengan build GGUF, AWQ, GPTQ, int4, dan FP8 yang sudah diterbitkan serta port ke iOS, Android, dan HarmonyOS. Di sisi lain ada SingVL_S1_4B, model keputusan 4,54 miliar parameter dari inclusionAI, diunggah pada 11 November 2026 tanpa pengumuman, tanpa file lisensi, dan tanpa varian terkuantisasi dalam bentuk apa pun. Bobotnya sekitar tiga kali lipat, berada di sisi yang salah dari anggaran memori ponsel, dan mengerjakan tugas yang sebagian besar bukan tugas yang sama. Perbandingan ini tetap layak dilakukan, karena mengungkap satu pertanyaan yang tidak dapat dijawab lembar spesifikasi: apa yang model berutang kepada Anda di luar outputnya?

Apa yang dikembalikan setiap model, dan karena itu di mana ia bisa berada

MiniCPM-V 4.7 1B adalah model multimodal yang disetel dengan instruksi dalam pengertian konvensional. Model ini membaca satu gambar, beberapa gambar, atau video, dan menghasilkan jawaban — keterangan, transkripsi, tanya jawab visual, percakapan multi-giliran. OpenBMB menyertakan head speculative-decoding DSpark khusus untuk model ini, dirilis tiga hari setelah model, dan mendukungnya di SGLang, vLLM, llama.cpp, dan Ollama, dengan fine-tuning melalui SWIFT dan LLaMA-Factory. Tersedia Space demo langsung dan cookbook publik. Semuanya adalah kanal yang melaluinya pihak selain vendor telah menjalankan model tersebut.

SingVL_S1_4B tidak melakukan generasi. Anda memberinya sebuah state — teks, JSON, hingga empat gambar — dan sekumpulan pertanyaan bernama dengan tipe yang dideklarasikan, lalu model mengembalikan probabilitas untuk setiap opsi yang Anda tawarkan. Choice memilih kandidat, noul mengembalikan probabilitas bahwa proposisi ya/tidak berlaku, dan score mengembalikan distribusi atas dua hingga sepuluh level terurut plus level yang diharapkan. Satu forward pass, tanpa sampling, tanpa prosa. Quickstart milik repositori itu menjalankan server FastAPI pada port 8173 dan mengirim JSON ke /v1/systemone.

Jadi pertanyaan deployment terjawab sendiri sebelum pertanyaan benchmark diajukan. MiniCPM-V 4.7 1B punya cerita yang berdekatan dengan ONNX, port ponsel, dan dukungan vendor chip karena dirancang untuk berada di perangkat. SingVL_S1_4B punya server Python karena dirancang untuk berada di GPU milik seseorang. Jika produk Anda merilis aplikasi, salah satunya adalah komponen dan yang lainnya adalah dependensi layanan.

Efisiensi adalah seluruh tesis di satu sisi.

Varian 1B OpenBMB hadir untuk mempertahankan posisi pada kurva performa versus waktu inferensi, dan kartunya secara eksplisit menyatakan bahwa inilah klaimnya — bukan akurasi mentah. Arsitektur membeli posisi itu melalui dua cara: kompresi awal intra-ViT, diambil dari lini LLaVA-UHD v4, yang memangkas token visual di dalam encoder visi sehingga lapisan selanjutnya melakukan lebih sedikit kerja, dan kompresi token visual campuran 4x/16x, yang memungkinkan pemanggil menukar detail dengan biaya per tugas. Di atasnya terdapat kepala spekulatif DSpark dan daftar dukungan hari-pertama yang dinyatakan, mulai dari Rockchip dan Houmo hingga Intel, AMD, dan Arm.

Perbandingan yang benar-benar diterbitkan vendor untuk varian ini adalah terhadap Qwen3.5 0.8B: skor keseluruhan lebih baik dan efisiensi inferensi lebih baik dalam mode Instruct, menurut pengukuran vendor sendiri. Itu adalah klaim yang sempit dari laboratorium yang sama yang membangun model tersebut, dan itulah klaim yang menjadi dasar produk ini.

SingVL_S1_4B sama sekali tidak mengklaim efisiensi. Kartu model tidak melaporkan latensi, throughput, jejak memori, atau token per detik. Yang dilaporkan secara tidak langsung adalah desain yang semestinya efisien untuk tugas yang berbeda: satu forward pass mengembalikan setiap jawaban untuk setiap pertanyaan dalam permintaan, sedangkan model generatif memerlukan satu pass per token keluaran. Untuk klasifikasi lima opsi, itu merupakan keunggulan struktural yang besar. Untuk caption, itu bukan perbandingan, karena tidak ada caption.

Patut dicatat: konfigurasi tersebut mematok kontrak input ke "all-input-before-first-answer; single-turn; no-thinking", dan README menyebutkan 65.536 token input untuk teks atau 10.000 dengan gambar. Model 1B yang berjalan di ponsel dan model 4,5B yang membutuhkan anggaran gambar 10.000 token menjawab kendala yang berbeda. Tidak ada angka yang salah; keduanya adalah jawaban untuk pertanyaan yang berbeda.

Kesenjangan lisensi adalah bagian yang paling lebar dari perbandingan ini

MiniCPM-V 4.7 1B berlisensi Apache 2.0. Itu bukan detail pemasaran — itulah alasan ekosistem di sekitarnya ada. Dalam empat minggu setelah rilis, sudah ada kuantisasi GGUF komunitas dari berbagai penerbit, port MNN, build RKLLM Rockchip, build NPU, integrasi ComfyUI, dan setidaknya satu fine-tune di Hub. Tidak satu pun dari itu bisa terjadi dengan lisensi yang tidak jelas, karena tidak satu pun dari orang-orang itu dapat mendistribusikan ulang bobot.

SingVL_S1_4B dirilis tanpa field lisensi dalam metadata kartu modelnya dan tanpa file LICENSE di repositori. Berdasarkan hak cipta default, itu berarti tidak ada pihak di luar inclusionAI yang memiliki izin untuk mendistribusikannya ulang, mengkuantisasinya dan menerbitkan hasilnya, atau memasukkannya ke dalam produk tanpa perjanjian terpisah. Organisasi tersebut telah menerbitkan banyak model dengan ketentuan eksplisit — LemonDecider membawa Apache 2.0, keluarga SingProbe membawa lisensi komunitas Qwen — sehingga kelalaian itu terbaca sebagai rilis yang belum selesai alih-alih pembatasan yang disengaja. Namun, sebuah pembacaan bukanlah pemberian izin.

Konsekuensi praktisnya: untuk apa pun yang bersentuhan dengan pelanggan, proses pengadaan, atau app store, MiniCPM-V 4.7 1B dapat digunakan minggu ini dan SingVL_S1_4B tidak. Satu kalimat itu menentukan lebih banyak keputusan penerapan nyata daripada setiap baris benchmark di kedua kartu tersebut.

Benchmark yang tidak boleh ditempatkan dalam kolom yang sama

Tidak ada tolok ukur bersama di sini, dan sebaiknya kita menjelaskan alasannya secara eksplisit alih-alih saling melempar angka.

Evaluasi MiniCPM-V 4.7 1B dipublikasikan dalam bentuk grafik — perbandingan performa keseluruhan, sebuah frontier performa-versus-waktu inferensi — bukan sebagai tabel per-dataset di kartu model. Angka-angkanya ada, pembingkaiannya bersifat komparatif dan visual, dan klaim utamanya bersifat posisional: lebih baik pada frontier daripada Qwen3.5 0.8B.

SingVL_S1_4B mempublikasikan tabel padat: 69,76 pada panel Teks Decision Index dan 73,94 pada panel Visi, dengan seluruh empat puluh tiga dataset teks dan sebelas dataset visi dirinci. Skor tersebut berasal dari menilai opsi yang disediakan dan mengambil probabilitas maksimum, yang merupakan tugas yang secara material lebih mudah daripada menghasilkan jawaban bebas untuk dicocokkan oleh penilai, dan Decision Index secara eksplisit menyatakan bahwa angkanya dikoreksi terhadap kebetulan dan disesuaikan cakupan sehingga menebak tidak menghasilkan apa pun.

Menempatkan "73.94 vision" di samping grafik frontier MiniCPM-V akan menjadi kesalahan kategori yang dibungkus sebagai perbandingan. Satu pernyataan jujur adalah bahwa kedua kumpulan angka tersebut dilaporkan vendor, tidak satu pun telah direproduksi oleh laboratorium netral, dan angka SingVL_S1_4B tambahan lagi sudah berumur dua hari tanpa pengajuan ke kit reproduksi publik Decision Index — kartu tersebut menyertakan instruksi untuk mengajukannya, yang menunjukkan niat alih-alih hasil.

Di sinilah angka-angka model 1B itu sendiri menjadi menarik

Rincian Decision Index untuk SingVL_S1_4B lebih mengungkap daripada agregatnya, dan kebetulan menggambarkan profil tugas yang juga diperebutkan model 1B. Dalam pekerjaan visi bergaya dokumen, SingVL_S1_4B melaporkan 96,31 pada InfographicVQA dan 95,82 pada set informasi kunci CORD-plus-FUNSD. Dalam penalaran akademis sulit, model ini melaporkan 50,17 pada MMMU-Pro vision dan 49,77 pada R-Bench-M. Moderasi berada di 71,64 dan turun ke 43,28 dengan prompt keterampilan.

Profil itu — kuat dalam tata letak dan ekstraksi dokumen, lemah dalam penalaran deliberatif, sensitif terhadap pembingkaian prompt pada penilaian subjektif — persis seperti yang Anda perkirakan dari pengklasifikasi 4.5B dengan encoder visi dan tanpa langkah generasi, dan itu sejalan dengan pekerjaan yang sama yang dipasarkan untuk MiniCPM-V 4.7 1B: dokumen, layar, OCR di perangkat. Jadi kedua model memang tumpang tindih dalam tugas, meskipun berbeda dalam bentuk keluaran. Pertanyaan yang sebenarnya dihadapi tim adalah apakah tim membutuhkan nilai yang diekstrak atau jawaban yang diekstrak.

Jika pipeline membutuhkan field, angka, label — keluaran SingVL_S1_4B sudah merupakan hal yang Anda inginkan, dan Anda melewati penguraian. Jika pipeline membutuhkan halaman yang dirender sebagai teks dengan struktur tetap terjaga, atau penjelasan mengapa field tersebut ambigu, MiniCPM-V 4.7 1B adalah satu-satunya dari keduanya yang dapat menghasilkannya.

Jalan tengah, dan apa yang harus dibayar

Tidak satu pun dari keduanya harus menjadi komitmen arsitektural yang dibuat pada hari pertama, dan eksperimen yang lebih murah bukanlah pilihan yang jelas. MiniCPM-V 4.7 1B berjalan di laptop, jadi mengujinya hanya membutuhkan waktu satu sore dan tidak ada biaya lain. SingVL_S1_4B membutuhkan GPU dan unduhan 9,1 GB bahkan hanya untuk mengujinya, dan situasi lisensinya berarti pengujian tersebut tidak dapat menjadi penerapan tanpa percakapan yang saat ini tidak dilakukan secara publik oleh siapa pun di inclusionAI.

Jika yang ingin Anda ketahui adalah apakah penilaian keputusan bertipe membantu tugas Anda sama sekali — sebelum Anda berinvestasi untuk menghosting checkpoint baru — polanya sudah dapat dipanggil. OrcaRouter menyediakan TypeSafe Jev 1.14 dengan $0,042 per juta token masukan bersama lebih dari 200 model lain dalam satu kunci, dengan harga daftar penyedia diteruskan tanpa markup 0% dan failover otomatis jika penyedia berhenti melayani. Itu memberi Anda endpoint keputusan yang berfungsi untuk dijadikan tolok ukur terhadap label Anda sendiri, di samping model generatif yang akan Anda pertahankan untuk segala hal lainnya. SingVL_S1_4B tidak ada di OrcaRouter dan tidak ada endpoint terhosting untuknya di mana pun, jadi tidak ada apa pun di sini yang merupakan klaim tentang ketersediaannya; intinya adalah pertanyaan desain dan pertanyaan vendor dapat dipisahkan, dan hanya salah satunya yang membutuhkan GPU.

Ringkasan yang jujur, sesuai urutan pengambilan keputusan

• Apakah secara hukum boleh dimasukkan ke dalam produk — MiniCPM-V 4.7 1B, Apache 2.0, hari ini. SingVL_S1_4B, tidak, sampai lisensi muncul.

• Dapatkah ia berjalan di tempat produk berjalan — MiniCPM-V 4.7 1B, di ponsel dan silikon edge. SingVL_S1_4B, di server GPU yang Anda operasikan.

• Apakah ia mengembalikan apa yang dibutuhkan pipeline — SingVL_S1_4B jika jawabannya adalah label dan tingkat keyakinan; MiniCPM-V 4.7 1B jika jawabannya berupa teks, struktur, atau penjelasan.

• Apakah salah satunya terbukti secara independen — tidak. Kedua kumpulan angka itu milik vendor. MiniCPM-V 4.7 1B telah digunakan pihak ketiga selama empat minggu; SingVL_S1_4B baru dua hari dan nol unduhan.

• Mana yang akan saya evaluasi lebih dulu — MiniCPM-V 4.7 1B, karena tidak ada biaya untuk mencobanya dan tidak bisa dikesampingkan hanya berdasarkan dokumen. Lalu pola keputusan terhadap endpoint yang telah dilayani, dan baru setelah itu checkpoint baru, jika pola tersebut terbukti sepadan.

Urutan itu bukanlah vonis terhadap model 4,5 miliar parameter. Itu adalah pernyataan tentang apa yang bisa diminta oleh sebuah rilis tanpa lisensi, makalah, atau pengumuman kepada orang asing, dan itu tidaklah banyak. Artefaknya nyata dan desainnya menarik; keduanya bisa benar sementara jawaban atas "haruskah kita menggunakannya" tetap tidak untuk sementara waktu.