SingVL_S1_4B vs WeVisOne VL 4B: 조용한 릴리스 대 완성된 모델

Tencent의 WeChat Vision 팀은 2026년 10월 Apache 2.0 라이선스로 논문, 가중치, 추론 패키지, 데모를 공개했습니다. 그것이 완성된 릴리스의 모습입니다. inclusionAI는 2026년 11월 11일에 safetensors 샤드 두 개를 올렸고, 공지도 논문도 라이선스도 호스팅된 엔드포인트도 없이 그걸로 끝냈습니다. WeVisOne VL 4B와 SingVL_S1_4B는 둘 다 대략 45억에서 50억 개의 파라미터를 갖고 있고, 둘 다 Qwen 비전 백본을 기반으로 하며, 둘 다 이미지에서 한 단락보다 더 정밀한 무언가를 뽑아내는 데 관심이 있습니다. 그리고 그들은 그 작업의 서로 반대되는 절반을 하고 있습니다. 하나는 픽셀 위에 마스크를 그립니다. 다른 하나는 당신이 제시할 수 있다고 생각한 답변들에 대한 확률을 반환합니다. 이 둘을 비교하는 것은 어느 쪽이 더 나은가보다는, 릴리스가 완성되기 전에 얼마나 가치가 있는가에 관한 것입니다.

두 가지 역량, 미사여구 없이 말하자면

WeVisOne-VL-4B — 이 이름은 WeChat Vision All-in-One의 축약형이다 — 는 객체 수준 지각과 픽셀 수준 지각을 하나의 모델로 통합한다. 구체적으로는 오픈 어휘 객체 탐지, 지시 표현 위치 지정, 객체 계수, 포인팅, OCR 위치 지정, 지시 분할, 그리고 프롬프트 가능 알파 매팅을 수행하며, 알파 매팅은 머리카락이나 가는 가지처럼 딱딱한 경계가 어색해 보이는 대상 주위에 부드럽고 연속적인 마스크를 생성하는 작업이다. 메커니즘은 전용 좌표 토큰에 대한 구조화된 다음 토큰 예측과, 체크포인트와 함께 mask_decoder.pt로 제공되는 960만 개 매개변수 픽셀 디코더이다. 질의한 대상이 없으면 None을 반환하는데, 이는 사소해 보이지만 프로덕션 그라운딩에서 가장 유용한 단일 동작이다.

SingVL_S1_4B는 결정 모델입니다. 상태(텍스트, JSON, 최대 4개의 이미지)와 이름이 붙은 질문들의 딕셔너리(각 질문에는 선언된 타입과 후보 답변이 있음)를 입력받습니다. Choice는 각 옵션에 대한 확률을 반환하고, noul은 예/아니오 명제가 성립할 확률을 반환하며, score는 2~10개의 순서 있는 레벨 전반에 걸쳐 레벨별 확률과 기대 레벨을 반환합니다. 단일 순전파이며 생성도, 좌표도 없습니다. 저장소에는 8173 포트에서 /v1/systemone으로 응답하는 FastAPI 서버가 포함되어 있으며, 모델 카드는 전적으로 해당 프로토콜의 용어로 작성되어 있습니다.

그래서 분업은 명확합니다. WeVisOne은 대상이 어디에 있고 어떤 형태인지 알려 줍니다. SingVL_S1_4B는 대상이 의심하는 바로 그것일 가능성이 얼마나 되는지 알려 줍니다. 사진에서 사람을 오려내야 하는 파이프라인에는 세 가지 선택지에 대한 확률이 쓸모없고, 이미지가 정책 임계값을 통과하는지 알아야 하는 파이프라인에는 마스크가 쓸모없습니다.

완성도 높은 릴리스가 자체 카드에 올린 것

WeVisOne-VL-4B의 핵심 표는 각 벤치마크에서 가장 강력한 공개 베이스라인과 이를 비교하며, 해당 베이스라인은 최대 9B 규모의 Qwen3-VL 및 Qwen3.5, Rex-Omni, LocateAnything, 그리고 작업별 세그멘테이션 및 매팅 모델에서 가져왔습니다. 논지를 뒷받침하는 행은 다음과 같습니다:

• LVIS 검출 — F1 평균은 기준선 50.7 대비 55.3.

• Dense200 밀집 검출 — 71.3 대 58.7

• RefCOCOg 테스트 referring — F1 평균 81.8 대 77.6.

• WeRef-Bench 거부율 — 96.4 대 73.0, 이는 프로덕션 그라운딩에서 가장 중요한 행입니다.

• PixMo-Count 계산 정확도 — 89.6 대 82.8.

• TotalText OCR — F1 평균 52.0 대 43.3.

• ReasonSeg 지시 분할 — gIoU 71.2 대 65.0.

• P3M-500-NP 박스 매팅 — MAD 7.3 대 15.4, 낮을수록 우수합니다.

• WeRefMat 텍스트 매팅 — MAD 9.8, 22.4 대비.

이는 벤더의 평가 파이프라인에서 벤더가 선택한 베이스라인을 대상으로, 이미지당 최대 1,960개의 시각 토큰으로 그리디 디코딩을 실행해 얻은 벤더 측 수치입니다. 솔직하게 해석하자면, 이 수치들은 모델이 작동한다는 점과 각 과제에서 가장 강력한 공개 대안과 비교해 대략 어디에 위치하는지를 보여줄 뿐, 격차가 정확하다는 것을 의미하지는 않습니다. 거부율 행은 취지상 가장 신뢰할 만한데, 96.4 대 73.0은 하네스 세부 사항으로 설명하기 어려울 만큼 큰 차이이며, 부재하는 타깃을 거부하는 것은 실제 운영 환경에서 그라운딩 시스템을 망가뜨리는 실패 유형이기 때문입니다.

2B 변형도 자체 열을 갖고 있어 유용합니다. RefCOCOg 테스트에서 78.2, rejection에서 50.2, dense-detection 행에서 62.9입니다. 벤더는 더 작은 모델의 더 약한 수치를 더 큰 모델의 더 강한 수치 옆에 공개했는데, 이런 공개 방식은 해당 표가 출시 게시물용으로 구성되지 않았음을 시사합니다.

조용한 릴리스가 자체 카드에 올린 것

SingVL_S1_4B는 "Public Decision Index 0.3" 표를 공개합니다: 텍스트 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. 비전 집계의 세부 내역은 InfographicVQA 96.31, Winoground 93.12부터 MMMU-Pro vision 50.17, R-Bench-M 49.77까지입니다.

그 수치에는 WeVisOne의 수치에는 없는 세 가지 문제가 있습니다. 이틀 전 수치입니다. 채점 키트는 공개되어 있지만 그중 비공개 부분은 공개되지 않은 리더보드에 올라 있는 수치이며, 공개 재현 키트에 실행 결과를 제출한 적이 없는 연구실이 산출한 것입니다. 다만 해당 카드에는 실행 결과를 제출하는 지침이 포함되어 있습니다. 그리고 저장소에는 라이선스가 없습니다. 즉, 도입을 가로막는 결정적 제약은 수치가 아니라 서류 작업입니다.

카드가 논쟁의 여지 없이 확립하는 것은 인터페이스다. 단일 순전파로부터 질문별·선택지별 확률을 제공하며, 프로토콜 내부는 config.json에 SHA-256 해시로 포함되어 있어 실행 결과를 이를 생성한 코드와 대조해 검증할 수 있다. 이는 실제 엔지니어링 결정이며 릴리스에서 가장 신뢰할 만한 부분이다.

정직한 점수판에는 공유된 행이 하나 있는데, 그것은 비어 있습니다.

이 두 모델에는 공통된 벤치마크가 없습니다. WeVisOne은 IoU 임계값에서의 F1, gIoU, 매트에 대한 평균 절대 차이를 측정합니다. SingVL_S1_4B는 선택지 집합에 대한 우연 보정 정확도를 측정합니다. 두 모델 모두에 대해 동일한 측정을 수행한 행은 없으며, 그러한 행을 만들려면 두 모델을 동일한 데이터에서 실행해야 하는데, 아무도 그렇게 하지 않았습니다. 체크포인트 중 하나가 이틀 전에 나온 것이기 때문입니다.

비교할 수 있는 것은 증거의 형태다. WeVisOne의 릴리스에는 arXiv 기술 보고서, 프로젝트 페이지, 평가 파이프라인이 포함된 GitHub 저장소, 쿡북, 두 개의 데모 스페이스, 그리고 제3자가 따라 할 수 있는 재현 지침이 포함된다. SingVL_S1_4B의 릴리스에는 모델 카드와 추론 폴더가 포함된다. 그중 하나는 낯선 사람이 주장을 확인할 수 있게 하고, 다른 하나는 낯선 사람에게 그것을 믿으라고 요구한다.

두 벤치마크 중 어느 것보다 더 많은 것을 결정하는 라이선싱

WeVisOne-VL-4B는 Apache 2.0입니다. 이는 T​encent가 작성한 코드와 가중치를 포괄하며, 제3자 구성 요소는 자체 조건을 유지합니다. 이것이 출시 후 2주 이내에 이미 GGUF 퀀트, ComfyUI 노드, Rockchip NPU용 GGUF 빌드, 중국어 통합 패키지가 유통되고 있는 이유입니다. 재배포가 허용되므로 재배포가 이루어졌습니다.

SingVL_S1_4B는 메타데이터에 라이선스를 명시하지 않았고 LICENSE 파일도 포함하지 않는다. inclusionAI는 다른 릴리스들에서는 명시적인 라이선스를 사용해 왔다 — LemonDecider에는 Apache 2.0을, SingProbe 모델들에는 Qwen 커뮤니티 라이선스를 — 따라서 이 공백은 업로드가 미완성된 것처럼 보인다. 하지만 "실수인 것처럼 보인다"는 것은 라이선스가 아니며, 컴플라이언스 검토는 퍼블리셔가 아마도 허용적인 라이선스를 의도했을 것이라는 근거로 모델을 승인할 수 없다.

“이걸 출시할 수 있는가”에 대한 답이 중요한 모든 사람에게, 이 비교는 여기서 끝납니다. WeVisOne은 출시할 수 있고, SingVL_S1_4B는 아직 출시할 수 없습니다. 나머지 모든 것은 두 모델 간의 역량에 관한 논의이며, 그 논의가 의미를 가지려면 현재 한 모델만 사용 가능한 상황입니다.

어느 것이 어느 파이프라인에 맞나요?

• 이미지에서 무언가를 잘라내기 — WeVisOne-VL-4B이며, SingVL_S1_4B에는 세그멘테이션 출력이 전혀 없기 때문에 이건 비교도 되지 않습니다.

• 혼잡한 프레임에서 객체 세기 — WeVisOne-VL-4B. 밀집 탐지 항목에서 최고 베이스라인이 47.9인 반면 57.1을 보고하며, 객체 세기는 프롬프트로 유도되는 동작이 아니라 일차적인 과제입니다.

• 대상이 없음을 아는 것 — WeVisOne-VL-4B, 거부 행과 명시적인 None 반환을 근거로 합니다. 이것이 데모와 시스템을 구분하는 역량입니다.

• 비싼 호출을 신뢰도에 따라 게이팅하기 — SingVL_S1_4B의 형태라면, 이를 호스팅할 수 있고 라이선스가 도착할 경우. 임계값이 원하는 것은 옵션별 확률이다.

• 고정된 분류 체계에 대조하여 분류하기 — 원칙적으로 SingVL_S1_4B; 이 모델의 선택 및 점수 유형은 분류 체계에 직접 대응되지만, 생성 모델은 다시 하나의 분류 체계로 제약되어야 합니다.

• 페이지를 읽고 필드와 그 위치를 모두 얻기 — WeVisOne-VL-4B는 탐지와 동일한 패스에서 위치 파악과 함께 OCR을 수행합니다.

• 이번 달 상용 배포된 것 — 라이선스만 놓고 보면 WeVisOne-VL-4B.

그리고 어느 쪽에도 속하지 않는 행: 이미지에 무엇이 있는지에 대한 서면 설명이 필요하다면, 두 모델 모두 잘못된 도구입니다. WeVisOne은 구조화된 인식을 반환하고 SingVL_S1_4B는 확률을 반환합니다. 어느 쪽도 문단을 작성하지 않습니다.

비교가 모델이 아니라 시장에 대해 가르쳐 주는 것

여기서 흥미로운 점은 한 모델이 더 뛰어나다는 것이 아니다. 비슷한 규모의 두 연구소가 같은 분기에 40억~50억 개 매개변수 비전 모델을 공개했는데도 공개 방식은 완전히 달랐다는 점이다. Tencent는 논문, 명시된 매개변수 수가 있는 디코더 체크포인트, 평가 파이프라인, 라이선스, 프로젝트 페이지를 내놓았고, 생태계는 2주 만에 퀀트와 통합을 만들었다. inclusionAI는 가중치, 추론 스크립트, 벤치마크 표를 내놓았고, 라이선스가 나오기 전까지 생태계는 그중 어느 것도 건드릴 수 없다.

두 전략 모두 정당하다. 조용한 공개는 연구소가 출시 서사 없이 체크포인트를 내놓을 수 있게 해 주며, 여기 있는 모델 카드는 정말 잘 작성되었다 — API 예제는 실제로 작동하고, 질문 유형은 계산 과정과 함께 문서화되어 있으며, 구성에는 검증을 가능하게 하는 해시가 함께 제공된다. 그러나 라이선스 없는 체크포인트는 제품이 아니라 시연이며, 그 차이는 이 비교가 계속 되돌아오는 바로 그 지점에서 드러난다: 작성자 외의 누군가가 그 위에 구축할 수 있는지 여부다.

서류가 도착하기 전에 의사 결정 패턴을 테스트하고 싶다면, 패턴 자체를 호출할 수 있습니다. OrcaRouter는 TypeSafe Jev 1.14를 백만 입력 토큰당 $0.042에 제공하며 동시에 단일 키로 200개 이상의 모델도 제공합니다. 공급자 정가를 0% 마크업으로 그대로 전달하고 공급자 간 자동 장애 조치를 제공합니다. Sing VL S1은 OrcaRouter에 없고 어디에도 호스팅된 곳이 없으므로, 이는 Sing VL S1의 가용성에 대한 주장이 아닙니다 — 약관이 비어 있는 체크포인트에 GPU를 쓰기 전에, 확률 출력이 자체 레이블에서 마스크를 능가하는지 알아보는 가장 저렴한 방법입니다.

WeVisOne-VL-4B는 간단히 다운로드할 수 있습니다. 결국 그것이 비교의 핵심입니다. 이들 중 하나는 사용할 수 있는 모델이고, 다른 하나는 읽어볼 수 있는 모델입니다.