SingVL_S1_4B vs Moondream 3: 좌표인가 확률인가

두 모델 모두 산문 대신 구조를 약속하지만, 유사점은 거기서 끝난다. Moondream 3는 좌표로 답한다. 사진 속 사람들을 찾아달라고 하면 라벨이 붙은 박스를 반환하고, 손잡이가 어디 있는지 물으면 점을 반환하며, 캡션을 요청하면 문장을 반환한다. SingVL_S1_4B는 확률로 답한다. 선택지를 주면 선택지마다 숫자를 반환하고, 문장을 주면 그 문장이 참일 확률을 반환한다. 하나는 무엇이 어디에 있는지 알려준다. 다른 하나는 얼마나 확신하는지 알려준다. 둘 중 무엇을 고를지는 두 답 중 어느 쪽이 파이프라인에 항상 필요했는지에 대한 질문이며, 둘은 서로를 대체하는 경우가 거의 없다.

"구조화된 출력"의 두 가지 형태

Moondream 3는 전문가 혼합(mixture-of-experts) 비전 모델로, 총 파라미터 9B에 활성 파라미터 2B이며, 공급사인 Moondream은 배포에 적합한 비용으로 시각적 추론과 탐지를 위해 구축되었다고 설명합니다. 네 가지 기능은 프롬프트가 아닌 기본 내장 방식입니다. 시각 질의응답을 위한 query, 개방형 어휘 박스를 위한 detect, 중심점을 위한 point, 그리고 caption입니다. 네 가지 모두 대화형 텍스트가 아닌 구조화된 출력을 반환하며, 가중치는 무료로 다운로드하여 공급사 자체 추론 엔진인 Photon을 통해 Ampere 이후 세대의 NVIDIA GPU 또는 Apple 실리콘에서 로컬로 실행할 수 있습니다. 이 모델은 2025년 9월에 프리뷰로 등장했으며, 2026년 7월에 동일 아키텍처의 현 세대인 Moondream 3.1로 대체되었습니다.

SingVL_S1_4B는 2026년 11월 11일 inclusionAI가 별도 공지 없이 업로드한 의사결정 모델입니다. 이 모델은 상태(텍스트, JSON 또는 최대 4장의 이미지)와 이름이 붙은 질문들의 사전을 입력받으며, 각 질문은 유형과 후보 답변을 명시합니다. Choice는 옵션별 확률을 반환하고, noul은 예/아니오 명제가 성립할 확률을 반환하며, score는 2~10개의 순서형 레벨 전반에 걸쳐 레벨별 확률과 기대 레벨을 반환합니다. 요청당 한 번의 순전파만 수행하며, 토큰 생성도, 어떤 종류의 자유 형식 출력도 없습니다.

구체적으로 말하면, Moondream 3에 창고 사진과 "팔레트"라는 단어를 주면 상자들을 내놓는다. SingVL_S1_4B에 같은 사진과 "이 프레임은 발송해도 안전한가"라는 질문, 그리고 후보 yes와 no를 주면 0.91과 0.09를 내놓는다. 둘 다 구조화되어 있다. 어느 쪽도 다른 쪽의 출력을 생성할 수 없다.

9B 모델은 실제로 무엇을 위한 것인가

Moondream의 자체 릴리스 자료는 벤치마크의 한계에 대해 이례적으로 솔직하게 밝히고도, 그럼에도 촘촘한 수치 세트를 공개한다. [email protected]에서의 탐지 성능을 보면 중요한 수치는 COCO 81.46, ODinW-13 93.94, Dense200 74.61, SKU-110K 52.77이며 — 마지막 두 개는 일반 비전 모델이 보통 무너지는 혼잡 장면 세트다. Referring detection은 RefCOCO-M에서 87.1을 기록한다. 이에 비해 LVIS 67.4와 HumanRef 70.39는 경쟁사에 뒤지는 행으로, 벤더가 숨기지 않고 그대로 표기한다.

그러한 특성, 즉 밀집 탐지와 개방형 어휘 탐지에서는 강하고 전문 모델이 우세한 세밀한 리퍼링에서는 약한 특성은 2B-active MoE가 얻어 주는 것입니다. 이 모델이 빠른 이유는 토큰당 대부분의 파라미터가 사용되지 않기 때문이며, 카운팅과 로컬라이징에 정확한 이유는 그것들이 캡셔닝에서 창발한 것이 아니라 일급 역량으로 훈련되었기 때문입니다.

상업적 형태는 주목할 만한데, 이는 연구용 배포와 정반대이기 때문이다. 가중치는 Moondream Model License에 따라 무료로 제공되며, 로컬에서 실행하는 데 API 키가 필요 없고, 호스팅 서비스는 토큰당 가격으로 책정된다: 실시간은 입력 100만 토큰당 $0.30, 출력 100만 토큰당 $1.00이며, 배치는 그 절반인 $0.15와 $0.50이다. 무료 티어, 플레이그라운드, 문서화된 로컬 경로, 그리고 읽어볼 수 있는 라이선스 전문이 있다. 이번 릴리스에 모호한 점은 없다.

4.5B 모델은 실제로 무엇을 위한 것인가

SingVL_S1_4B의 카드에는 "Public Decision Index 0.3" 표가 게시되어 있습니다: 텍스트 패널 69.76, 비전 73.94로, TypeSafe Jev 1.14의 텍스트 60.70, StartLux-Decision v1.1 4B의 67.8 및 67.90, Perplexity Decider Flash v1.2의 60.1 및 72.5와 대비됩니다. 데이터셋별 행은 집계 점수가 어디서 나오는지 보여줍니다 — 상단에는 InfographicVQA 96.31, Winoground 93.12, 핵심 정보 추출 95.82가 있고, 하단에는 MMMU-Pro 비전 50.17, R-Bench-M 49.77, 혐오 밈 모더레이션 71.64가 있습니다.

해당 수치는 자사 저자들이 공식화하는 데 참여한 리더보드에 올라온 공급업체 자체 수치로, 답변을 생성하는 대신 제공된 선택지를 채점해 산출한 것이며, 아무도 이를 재현하지 못했다. 이 글이 작성될 당시 저장소는 만 이틀밖에 되지 않았고, 다운로드 수는 0회이며, 라이선스 파일도 없고, 논문도 존재하지 않는다. Decision Index의 공개 재현 키트에는 이 모델의 제출 기록이 없다.

따라서 유효한 주장은 수치적이라기보다는 좁고 구조적입니다. 즉, 후보별로 보정된 확률을 반환하는 단일 포워드 패스는 좌표나 텍스트를 반환하는 모델과는 다른 프리미티브입니다. 이는 다운스트림 결정이 임계값일 때 원하는 프리미티브입니다. 즉, 누군가 이미 0.8을 넘으면 행동하고 0.3 미만이면 에스컬레이션하기로 결정해 둔 경우입니다. 이는 원하는 프리미티브가 아닙니다. 다운스트림 단계에서 알아야 할 것은어디.

겹치는 범위는 공유 데이터셋 이름이 암시하는 것보다 작습니다.

두 카드 모두 비주얼 그라운딩을 다루고 있어서 숫자를 나란히 놓고 승자를 가리는 것은 쉬울 겁니다. 그러지 마세요. 세 가지 불일치 때문에 그건 무의미해집니다.

• 작업 구조 — Moondream의 탐지 점수는 박스를 출력하고 이를 IoU 임계값에서 정답과 매칭하는 데서 나옵니다. SingVL_S1_4B의 비전 점수는 다른 누군가가 작성한 선택지 중에서 고르는 데서 나옵니다. 후보의 순위를 올바르게 매기는 모델이 그렇다고 해서 국소화할 수 있는 모델은 아닙니다.

• 하네스 — Moondream은 자체 평가 설정에서 명명된 탐지 세트에 대한 [email protected]를 보고합니다. SingVL_S1_4B는 Decision Index의 우연 보정 및 커버리지 조정 스위트 내 정확도를 보고합니다. 같은 단어, 다른 측정입니다.

• 작성 주체 — 두 세트 모두 공급업체가 보고한 것입니다. Moondream의 것은 1년 넘게 제3자 검증과 커뮤니티 포팅을 거쳤지만, SingVL_S1_4B의 것은 전혀 그렇지 않았습니다. 그 수치 중 하나는 공개적으로 논쟁이 있었습니다.

두 가지를 진정으로 비교할 수 있는 지점은 둘 다 표현할 수 있는 과제입니다: 이 이미지에 위반이 포함되어 있는지, 그리고 어떤 범주인지. Moondream은 탐지 또는 쿼리 응답으로 답할 것이고, SingVL_S1_4B는 선택 분포로 답할 것입니다. 그것은 누군가 실제로 수행해야 하는 실제 실험이며, 아직 수행되지 않았습니다.

API가 제품을 설명하므로, 하나의 구체화된 형태입니다.

차이를 가장 명확하게 확인하는 방법은 같은 작업, 즉 배송 사진이 보험금 청구 조정자에게 넘어가기 전에 이를 선별하는 작업에 대해 각 모델이 받게 될 요청을 작성해 보는 것입니다.

Moondream 3에서는 호출이 detect(image, "damaged parcel")이며, 응답은 바운딩 박스와 신뢰도를 가진 객체 목록이거나, 일치하는 항목이 없으면 빈 목록입니다. 손상이 발견되었는지, 그리고 어디에서 발견되었는지를 알 수 있습니다. 그런 다음 caption(image)는 장면을 설명하는 문장을 제공합니다. 두 번의 호출, 두 가지 구조, 둘 다 콘텐츠에 관한 것입니다.

SingVL_S1_4B에서는 호출이 요청에 질문들을 담습니다. 하나의 선택 질문은 소포가 온전한지, 파손되었는지, 분실되었는지를 묻고 세 개의 후보가 있습니다. 예/아니요 질문은 라벨을 읽을 수 있는지 묻습니다. 점수 질문은 순서가 있는 네 가지 수준에 걸쳐 이미지 품질을 평가합니다. 응답에는 각 질문의 후보별 확률과 점수에 대한 예상 수준이 담깁니다. 한 번의 호출, 세 가지 답변, 모두 신뢰도에 관한 것입니다.

Moondream 경로는 클레임 시스템에 표시할 무언가를 제공한다. SingVL 경로는 분기할 근거를 제공한다. 첫 번째를 만드는 팀은 두 번째가 쓸모없다고 여길 것이고, 두 번째를 만드는 팀은 첫 번째를 위해 자기가 쓰고 싶지 않은 파서가 필요하다는 것을 알게 될 것이다. 이것이 결정의 전부이며, 어느 벤더의 벤치마크를 열기도 전에 이미 판가름이 난 문제다.

그것들을 실행하는 것 역시 비교할 수 없다.

Moondream 3.1은 워크스테이션 GPU 또는 Apple 노트북에서 Photon을 통해 실행되며, 가중치는 처음 사용할 때 Hub에서 다운로드되고 기본 모델에는 키가 필요하지 않습니다. 토큰당 가격이 공개된 호스팅 엔드포인트가 있고, 무료 티어와 문서화된 빠른 시작 가이드가 있으며, 공급업체는 지원 하드웨어, 스트리밍, 파인튜닝, Triton을 통한 서빙을 다루는 로컬 추론 가이드를 게시합니다. 모든 경로가 문서화되어 있고 모든 가격이 공개되어 있습니다.

SingVL_S1_4B는 사용자가 제공한 GPU에서 실행되며, 9.1GB BF16 다운로드로부터 Python 3.12 환경과 포트 8173에 바인딩되어 POST /v1/systemone에서 응답하는 FastAPI 서버를 통해 구동됩니다. 지침은 완전하고 curl 예제도 작동하는데, 이는 대부분의 조용한 배포가 해내는 것보다 많은 것입니다. 존재하지 않는 것은 호스팅 옵션, 양자화 빌드, 프레임워크 통합, 또는 다운로드한 것을 재배포할 수 있게 허용하는 라이선스입니다.

마지막에 언급된 부재에는 상업적 쟁점이 있습니다. Moondream의 라이선스는 맞춤형 라이선스로, OSI 의미의 오픈 소스가 아니며, 공급업체는 가중치를 클라우드 서비스로 호스팅하려면 해당 라이선스가 필요하다고 명시하고 있습니다. 그래서 호스팅 등급이 존재하고 가격이 책정되어 있습니다. SingVL_S1_4B는 약관이 전혀 없는데, 이는 허용적 라이선스와 같지 않습니다. 부여된 권한이 없으므로 inclusionAI 외부의 누구도 이를 상업적으로 사용할 권한이 없으며, 법률 검토는 거기서 멈출 것입니다.

결정이 내려지는 곳

작업이 무언가를 찾아내는 일이라면 — 재고를 세고, 부품의 위치를 찾고, 레이아웃을 박스 단위로 읽어내고, 손잡이를 가리키는 일 — Moondream 3는 둘 중 그 일을 할 수 있는 유일한 모델이며, 군중 장면에서의 수치가 바로 그런 작업에 범용 비전 모델보다 이 모델을 선호해야 하는 이유입니다. 또한 가격표, 라이선스, 로컬 실행 경로, 그리고 1년 동안 다른 사람들이 사용해 온 실적까지 갖추고 있습니다.

일이 결정을 내리는 것이라면 — 고정된 분류 체계에 대한 게이트, 트리아지, 임계값처럼 문장보다 숫자가 더 유용한 경우 — SingVL_S1_4B의 설계가 더 적합하며, 그 출력은 다운스트림 파싱의 한 부류 전체를 없애준다. 하지만 “더 적합하다”는 것은 라이선스도 없는 릴리스 이틀째에 아키텍처에 관한 진술일 뿐이며, 이는 구축할 이유라기보다 지켜볼 이유로 읽어야 한다.

inclusionAI가 서류 작업을 끝내기를 기다리지 않고 지금 의사결정 패턴을 테스트하려는 팀은 오늘 바로 호출할 수 있습니다: OrcaRouter가 TypeSafe Jev 1.14를 제공합니다 — typesafe/jev-1.14, 입력 토큰 100만 개당 $0.042 — 200개 이상의 다른 모델과 동일한 키로, 공급자 정가에 0% 마크업으로 제공하므로 어떤 공급업체의 가격 변경이든 당일에 반영됩니다. Sing VL S1은 OrcaRouter에 없고 어디에도 호스팅되는 곳이 없으므로, 이는 가용성 주장이 아닙니다. 자체 데이터에서 확률 출력이 박스보다 나은지 알아보는 더 저렴한 방법일 뿐입니다. 그렇다면 약관이 마련되었을 때 체크포인트를 다시 살펴보세요. 그렇지 않다면 GPU 하나와 법률 검토를 아낀 셈입니다.

두 모델은 둘 다 채팅 인터페이스를 피하기 때문에 앞으로도 계속 함께 언급될 것이다. 그것은 표면적인 유사성일 뿐이다. 그 이면에서 하나는 로케이터이고 다른 하나는 스코어러이며, 당신이 구축하고 있는 파이프라인은 이미 둘 중 어느 것이 필요한지 알고 있다.