SingVL_S1_4B: Het 4,54B-beslissingsmodel dat inclusionAI zonder een woord uitbracht

Op 11 november 2026 om 03:58 UTC verscheen een repository genaamd SingVL_S1_4B onder de inclusionAI-organisatie op Hugging Face. Om 05:38 UTC bewerkte iemand de README. Op het moment dat dit werd geschreven, was er geen blogpost van het lab, geen arXiv-paper, geen GitHub-release, geen vermelding in de catalogus van enige inferenceprovider, en stond de downloadteller op nul. De modelkaart spelt de naam met spaties — Sing VL S1 — en beschrijft het als een multimodaal beslissingsmodel gebouwd op Q​wen3.5. Dat is het volledige openbare record. Alles hieronder is afgelezen uit de bestanden in die repository, en alles wat als een bewering klinkt, is als zodanig gelabeld.

Wat betekent "decision model" hier precies?

Dit is geen chatmodel waar visie achteraf aan is vastgeplakt. Je stuurt er geen prompt naartoe en leest geen alinea terug. Je stuurt het een toestand — tekst, JSON of maximaal vier afbeeldingen — plus een woordenboek met benoemde vragen, en elke vraag geeft zijn type en zijn kandidaatantwoorden aan. Het model voert één forward pass uit en retourneert voor elk kandidaatantwoord een waarschijnlijkheid.

Er bestaan drie vraagtypes, en de namen zijn die van het model zelf:

• Keuze — kies een van de aangeleverde opties; de respons bevat een waarschijnlijkheid per optie.

• Noul — een ja/nee-bewering; het antwoord is de waarschijnlijkheid dat die waar is. De spelling is vreemd en het is wat de kaart gebruikt.

• Score — beoordeel de invoer op 2 tot 10 geordende niveaus; het antwoord bevat de waarschijnlijkheid van elk niveau plus een verwacht niveau dat wordt berekend als de som van de op nul gebaseerde index maal de waarschijnlijkheid.

Dus één enkele aanvraag kan vragen "welke kleur wordt genoemd", "is de genoemde kleur rood" en "hoe duidelijk identificeert de tekst de kleur als rood", en krijgt drie antwoorden met betrouwbaarheidsscores uit één doorgang. Het voorbeeld op de kaart zelf doet precies dat en herhaalt dat vervolgens over twee afbeeldingen om te vragen welke rood is.

De architectonische consequentie is dat het uitvoervocabulaire geen vocabulaire is. Er is geen sampling, geen temperatuur, geen tokenstream om te parsen en geen JSON-modus om te verleiden. Als je pipeline momenteel eindigt met een regex over de proza van een model om een label te extraheren, dan is dit het soort model dat de regex overbodig maakt. Als je pipeline het proza nodig heeft — een samenvatting, een onderbouwing, een tool call — dan heeft dit model je niets te bieden, omdat het er nooit een genereert.

De cijfers, en van wie de cijfers zijn.

De kaart publiceert een tabel met als kop "Public Decision Index 0.3". Sing VL S1 scoort 69,76 op het tekstpaneel en 73,94 op het visionpaneel. De vergelijkingskolommen zijn TypeSafe Jev 1.14 met 60,70 op tekst zonder gepubliceerde visionscore, StartLux-Decision v1.1 4B met 67,8 tekst en 67,90 visie, en Perplexity Decider Flash v1.2 (4B) met 60,1 tekst en 72,5 visie.

Lees dat als een zelfrapportage. Elk cijfer erin is afkomstig van het lab dat het model heeft getraind, op een leaderboard waarvan de scoringskit openbaar is, maar de privéhelft niet, en geen enkele derde partij heeft er iets van opnieuw gedraaid. De eigen reproductiekit van Decision Index — het decision-index-project dat de openbare suite opnieuw opbouwt en ingediende runs scoort — toont per vanochtend nergens in de geschiedenis van issues of pull requests een inzending van SingVL. De kaart bevat wel de inzendingsinstructies, wat een redelijk signaal van intentie is en geen bewijs van een resultaat.

De uitsplitsing per dataset is nuttiger dan het kopcijfer, omdat ze laat zien waar het totale cijfer vandaan komt. Op de elf visiedatasets zijn de sterkste rijen InfographicVQA met 96,31, Winoground met 93,12 en de CORD-plus-FUNSD-set met sleutelinformatie met 95,82. De zwakke rijen zijn even informatief: MMMU-Pro vision komt uit op 50,17 non-skill en 42,85 met de skill-prompt, R-Bench-M op 49,77 en 39,72, en moderatie van haatdragende memes op 71,64 dat zakt naar 43,28. Dat is een model dat documenten en lay-outs goed leest en slecht redeneert over moeilijke academische figuren — een profiel dat past bij een backbone van 4,5 miljard parameters die classificatie doet in plaats van deliberatie.

Op de drieënveertig tekstdatasets zijn BFCL met 96,81 en CLINC150 met 97,03 de uitschieters; HLE met 12,77, ChessBench met 26,88 en de SGD-dialoogset met 8,33 vormen de ondergrens. De kaart markeert verschillende rijen met een dolk om aan te geven dat de index ze afzonderlijk rapporteert in plaats van ze erin op te nemen; dat is het soort transparantie dat de rest van de tabel gemakkelijker te vertrouwen maakt.

Wat zit er eigenlijk in de repository?

Twee safetensors-shards met een totaal van ongeveer 9,1 GB, wat bij BF16 neerkomt op ruwweg 4,54 miljard parameters — de repositorynaam zegt 4B, de Hugging Face-zijbalk rondt af naar 5B, en het tensor-totaal is het getal daartussen. Een configuratie die de Qwen3.5-architectuur voor voorwaardelijke generatie aangeeft met een hidden size van 2560. Een chatsjabloon van 7,7 KB dat afbeeldings- en videotokens verwerkt. En een inference/-map met daarin het ding dat dit alles bruikbaar maakt: een Python-wrapper, een FastAPI-server, een benchmarkscript en twee voorbeeldafbeeldingen, één blauwe en één rode.

De opstelling is tot op de patchversie gespecificeerd: Python 3.12, op de hardware afgestemde PyTorch en torchvision, vereisten geïnstalleerd vanuit inference/. De server draait op poort 8173 en reageert op POST /v1/systemone. Dat pad is geen OpenAI-compatibele route en pretendeert dat ook niet te zijn; het is het wireformaat dat de Decision Index-evaluatiekit spreekt. De quickstart van de kaart koppelt de kit rechtstreeks aan dat endpoint, eerst voor de tekstsuite en daarna voor de visionsuite met een expliciet pixelbudget van 1.638.400 per afbeelding.

Twee limieten zijn operationeel van belang en worden in de kaart vermeld in plaats van in productie te worden ontdekt: vier afbeeldingen per verzoek, en 65,536 tokens invoer voor alleen tekst of 10,000 tokens zodra er afbeeldingen zijn bijgevoegd. De processorconfiguratie stelt een maximum van 1,806,336 pixels per afbeelding in, dus een schermafbeelding van een volledige pagina wordt verkleind voordat deze wordt gelezen.

Het configuratiebestand verraadt zijn afkomst

Open config.json en er verschijnt een reeks sleutels die niet standaard zijn voor Qwen3.5: jev_gdn_mode, jev_mask_version, jev_packing, jev_prefix_contract, jev_soft_choice. Het prefixcontract luidt "all-input-before-first-answer; single-turn; no-thinking". Het soft-choice-blok bevat SHA-256-hashes van de Python-bestanden die de readout implementeren, vastgezet zodat een evaluator kan bevestigen dat de code die een score heeft geproduceerd, de code is die is uitgeleverd.

Read plainly, "j​ev" is the name of the shared harness this model was built into — the same family of harness that TypeSafe's J​ev models and the Decision Index kit are organised around. That is an inference from a string in a config file, not a statement from the vendor, and it is the most interesting unexplained thing in the release. It suggests Sing VL S1 is not a from-scratch experiment in typed decisions but a Q​wen3.5 vision checkpoint adapted into an existing protocol, with the protocol's internals shipped alongside so results can be reproduced.

Er is een zusterproject binnen dezelfde organisatie dat de interpretatie ondersteunt. inclusionAI's LemonDecider, eind oktober gepubliceerd op een Qwen3.5-4B-basis, is een beslissingsengine die alleen tekst verwerkt, met een uitlezing van 255 opties en een temperatuurkalibratieconstante; de kaart beschrijft dezelfde choice/noul/score-vocabulaire en hetzelfde ontwerp met één forward pass. Sing VL S1 lijkt die onderzoekslijn te zijn uitgebreid naar afbeeldingen. De organisatie heeft dat niet gezegd.

Wat ontbreekt, is niet cosmetisch.

• Geen licentie. De metadata van de modelkaart bevat tags voor de architectuur en de taak, maar helemaal geen licentieveld, en er staat geen LICENSE-bestand in de repository. Zonder licentie is de standaard niet 'open' — het is 'alle rechten voorbehouden, vraag het de auteur'. Een team dat dit commercieel wil uitbrengen, heeft nog geen toestemming om op te vertrouwen, en moet dat tegen zijn juristen zeggen voordat het dat tegen zijn roadmap zegt.

• Geen paper. De organisatie heeft eenendertig papers op haar Hugging Face-profiel en geen ervan gaat over dit model. Er is geen methodesectie, geen beschrijving van de trainingsdata, geen uitspraak over waarop de 4,54 miljard parameters zijn afgestemd.

• Geen aankondiging. De organisatiekaart verwijst volgers nog steeds naar haar GitHub en haar twee X-accounts voor nieuws over releases; op geen van beide kanalen is vandaag een bericht over deze repository te vinden. De GitHub van de organisatie heeft geen SingVL-repository.

• Geen gehost endpoint. Geen enkele inferentieprovider vermeldt het. De enige manier om het te draaien is 9,1 GB te downloaden en het zelf te serveren.

• Geen onafhankelijk resultaat. Hierboven behandeld, en de moeite waard om te herhalen omdat dit het punt is dat bepaalt of de 69.76 iets voor je betekent.

Hoe je het daadwerkelijk zou gebruiken, als je daarvoor kiest.

Het eerlijke implementatieverhaal is een sidecar, geen vervanging. Zet de FastAPI-server op een GPU-machine, laat je bestaande pipeline ernaar verwijzen voor de specifieke subtaak waarbij je nu een label uit gegenereerde tekst haalt — intentroutering, triage van documenttypen, moderatievlaggen, een ja/nee-poort vóór een dure aanroep — en laat het generatieve model waar het is voor alles wat een uitleg nodig heeft. De kansuitvoer is het punt: je krijgt een getal om een drempel op toe te passen, geen string om te vertrouwen.

Wat het goedkoop maakt om dit te proberen, is dat de API één route met een platte JSON-body is. Een wrapperfunctie is een ochtend werk. Wat het duur maakt om ervan afhankelijk te zijn, is dat een model zonder licentie, zonder paper en met een repository van één dag oud zonder kennisgeving kan veranderen of verdwijnen; pin daarom de revisiehash in de config en behandel het endpoint als niet-vertrouwde infrastructuur achter een fallback.

Dat is ook waar routing zijn plek verdient in plaats van een slogan te blijven. OrcaRouter bevat al TypeSafe Jev 1.14 — typesafe/jev-1.14, voor $0,042 per miljoen inputtokens — wat betekent dat het decision-modelpatroon vandaag aanroepbaar is via één sleutel naast de generatieve modellen waar het naast zou staan. Sing VL S1 staat niet op OrcaRouter en er is hier niets over aan te kondigen; het relevante feit is smaller en nuttiger. Je kunt het patroon meten op een werkend endpoint voordat je je vastlegt op het serveren van een checkpoint van 9 GB waarvan de gebruiksvoorwaarden leeg zijn, en als het checkpoint later zijn plek verdient, is een tweede contract niet de kosten om het te adopteren.

Wat zou dit van een curiositeit in een beslissing veranderen?

Drie dingen, in volgorde van hoeveel ze je zouden vertellen. Een licentiebestand, want zonder dat doet de rest er commercieel niet toe. Een inzending voor de Decision Index met een bijgevoegde runmap, want de inzendingssectie van de kaart beschrijft precies het artefact waarmee een buitenstaander 69.76 en 73.94 zou kunnen controleren in plaats van ze zomaar aan te nemen. En een tweede onafhankelijke evaluatie op een testomgeving die iemand anders beheert, want een model dat wint op een benchmark die zijn eigen auteurs mede hebben geformaliseerd, heeft een second opinion nodig voordat het een lanceerbericht nodig heeft.

Tot dan is de juiste manier om deze release te lezen zoals je een preprint zou lezen waarvan de methodesectie ontbreekt: het artefact is echt, de cijfers zijn van de auteurs, en het interessante is dat er nu überhaupt een visiemodel met 4,5 miljard parameters bestaat dat is gebouwd voor waarschijnlijkheidsvectoren in plaats van paragrafen. Of dat een categorie of een voetnoot wordt, hangt af van papierwerk dat de repository nog niet bevat.