SingVL_S1_4B vs Moondream 3: Coördinaten of Waarschijnlijkheden

Beide modellen beloven structuur in plaats van proza, en daar houdt de gelijkenis op. Moondream 3 antwoordt in coördinaten: vraag het de mensen in een foto te vinden en het retourneert vakken met labels, vraag het waar de handgreep zit en het retourneert punten, vraag het om een bijschrift en het retourneert een zin. SingVL_S1_4B antwoordt in kansen: geef het opties en het retourneert een getal per optie, geef het een bewering en het retourneert de kans dat de bewering waar is. De een vertelt je waar iets is. De ander vertelt je hoe zeker het is. Kiezen tussen hen is een kwestie van welke van die twee antwoorden je pipeline altijd al nodig had, en de twee vervangen elkaar zelden.

De twee vormen van ‘gestructureerde output’

Moondream 3 is een mixture-of-experts-visionmodel — 9B totale parameters, 2B actief — dat volgens de leverancier, Moondream, is gebouwd voor visueel redeneren en detectie tegen een voor deployment gunstige kostprijs. Vier vaardigheden zijn native in plaats van via prompting: query voor visuele vraagbeantwoording, detect voor open-vocabulary-boxes, point voor middelpunten en caption. Alle vier retourneren gestructureerde output in plaats van conversationele tekst, en de gewichten zijn gratis te downloaden en lokaal uit te voeren via de eigen inference-engine van de leverancier, Photon, op NVIDIA-GPU's vanaf Ampere of op Apple silicon. Het model verscheen als preview in september 2025 en werd in juli 2026 opgevolgd door Moondream 3.1, de huidige generatie van dezelfde architectuur.

SingVL_S1_4B is een beslissingsmodel, op 11 november 2026 zonder aankondiging geüpload door inclusionAI. Het neemt een toestand — tekst, JSON of maximaal vier afbeeldingen — en een woordenboek met benoemde vragen, die elk een type en de bijbehorende kandidaatantwoorden opgeven. Choice retourneert een waarschijnlijkheid per optie, noul retourneert de waarschijnlijkheid dat een ja/nee-stelling geldt, score retourneert een waarschijnlijkheid per niveau over twee tot tien geordende niveaus plus een verwacht niveau. Eén forward pass per verzoek, geen tokengeneratie, geen uitvoer in vrije vorm van welke aard dan ook.

Concreet: geef Moondream 3 een magazijnfoto en het woord {{1}}pallet{{/1}}, en je krijgt dozen. Geef SingVL_S1_4B dezelfde foto met de vraag {{2}}is dit frame veilig om te verzenden{{/2}} en de kandidaten ja en nee, en je krijgt 0,91 en 0,09. Beide zijn gestructureerd. Geen van beide kan de output van de ander produceren.

Waar het 9B-model eigenlijk voor bedoeld is

Moondreams eigen releasemateriaal is ongewoon openhartig over de beperkingen van benchmarks en publiceert toch een uitgebreide set. Bij detectie op [email protected] zijn de cijfers die ertoe doen COCO op 81,46, ODinW-13 op 93,94, Dense200 op 74,61 en SKU-110K op 52,77 — de laatste twee zijn drukke scènesets waar een algemeen visiemodel doorgaans in elkaar zakt. Referring detection komt uit op 87,1 op RefCOCO-M. Daartegenover zijn LVIS op 67,4 en HumanRef op 70,39 de rijen waarop het verliest van een concurrent, die de leverancier wel afdrukt in plaats van verbergt.

Dat profiel — sterk in dense en open-vocabulary-detectie, zwakker in fijnmazige referring waar een specialist wint — is wat de 2B-actieve MoE oplevert. Het model is snel omdat de meeste van zijn parameters niet per token worden gebruikt, en het is nauwkeurig in tellen en lokaliseren omdat die als volwaardige vaardigheden zijn getraind in plaats van voort te komen uit captioning.

De commerciële vorm is het vermelden waard, omdat die het tegenovergestelde is van een onderzoeksrelease. De gewichten zijn gratis onder de Moondream Model License, voor lokaal gebruik is geen API-sleutel nodig, en de gehoste dienst wordt per token geprijsd: $0,30 per miljoen invoer en $1,00 per miljoen uitvoer voor realtime, gehalveerd naar $0,15 en $0,50 voor batch. Er is een gratis tier, een playground, een gedocumenteerd lokaal traject en een licentietekst die u kunt lezen. Niets aan de release is dubbelzinnig.

Waar het 4.5B-model eigenlijk voor is

SingVL_S1_4B's modelkaart publiceert een tabel "Public Decision Index 0.3": 69,76 op het Tekst-paneel en 73,94 op Vision, tegenover TypeSafe Jev 1.14 op 60,70 tekst, StartLux-Decision v1.1 4B op 67,8 en 67,90, en Perplexity Decider Flash v1.2 op 60,1 en 72,5. De rijen per dataset laten zien waar het aggregaat vandaan komt — InfographicVQA 96,31, Winoground 93,12, extractie van sleutelinformatie 95,82 bovenaan; MMMU-Pro vision 50,17, R-Bench-M 49,77 en moderatie van haatdragende memes 71,64 onderaan.

Dat zijn de eigen cijfers van de leverancier op een ranglijst die zijn eigen auteurs mede hebben geformaliseerd, verkregen door aangeleverde opties te scoren in plaats van antwoorden te genereren, en niemand heeft ze gereproduceerd. De repository was twee dagen oud toen dit werd geschreven, heeft nul downloads, bevat geen licentiebestand en er bestaat geen paper. De openbare reproductiekit van de Decision Index toont geen inzending van dit model.

De bruikbare claim is dus smal en structureel in plaats van numeriek: één enkele forward pass die per kandidaat een gekalibreerde waarschijnlijkheid retourneert, is een ander primitief dan een model dat coördinaten of tekst retourneert. Het is het primitief dat je wilt wanneer de downstreambeslissing een drempel is — wanneer iemand al heeft besloten dat je boven 0,8 handelt en onder 0,3 escaleert. Het is niet het primitief dat je wilt wanneer de downstreamstap moet weten waar.

De overlap is kleiner dan een gedeelde datasetnaam doet vermoeden.

Beide kaarten raken aan visuele grounding, en het zou makkelijk zijn om de cijfers naast elkaar te leggen en een winnaar uit te roepen. Doe dat niet. Drie discrepanties maken het betekenisloos.

• Taakvorm — De detectionscores van Moondream komen voort uit het genereren van boxes en het matchen daarvan met de ground truth bij een IoU-drempel. De visionscores van SingVL_S1_4B komen voort uit het kiezen uit opties die iemand anders heeft geschreven. Een model dat kandidaten correct rangschikt, is daarmee nog geen model dat kan lokaliseren.

• Harness — Moondream rapporteert [email protected] op benoemde detectiesets onder zijn eigen evaluatie-instellingen. SingVL_S1_4B rapporteert nauwkeurigheid binnen de kansgecorrigeerde, dekkingsgecorrigeerde suite van de Decision Index. Hetzelfde woord, een andere meting.

• Auteurschap — beide sets zijn door de leverancier opgegeven. Die van Moondream zijn ruim een jaar door derden onder de loep genomen en door de community geport; die van SingVL_S1_4B helemaal niet. Over een van die cijfers is publiekelijk gediscussieerd.

Waar de twee echt vergeleken zouden kunnen worden, is een taak die beide kunnen uitdrukken: bevat deze afbeelding een schending, en welke categorie. Moondream zou antwoorden met een detectie of een queryrespons; SingVL_S1_4B met een keuzeverdeling. Dat is een echt experiment dat iemand zou moeten uitvoeren, en het is niet uitgevoerd.

Een uitgewerkte vorm, omdat de API het product uitlegt.

De duidelijkste manier om het verschil te zien, is het verzoek uit te schrijven dat elk model voor dezelfde taak zou ontvangen — het triageren van een bezorgfoto voordat die naar een schadebehandelaar gaat.

Met Moondream 3 is de aanroep detect(image, "damaged parcel"), en het antwoord is een lijst met objecten met bounding boxes en confidence, of een lege lijst als er niets overeenkwam. Je komt te weten of er schade is gevonden en waar. Dan geeft caption(image) je een zin die de scène beschrijft. Twee aanroepen, twee structuren, beide over inhoud.

Met SingVL_S1_4B bevat de aanroep de vragen in het verzoek. Eén keuzevraag vraagt of het pakket intact, beschadigd of vermist is, met drie kandidaten. Een nulvraag vraagt of het label leesbaar is. Een scorevraag beoordeelt de beeldkwaliteit over vier geordende niveaus. Het antwoord bevat per vraag een waarschijnlijkheid per kandidaat en een verwacht niveau voor de score. Eén aanroep, drie antwoorden, allemaal over betrouwbaarheid.

Het Moondream-pad geeft een claimsysteem iets om weer te geven. Het SingVL-pad geeft het iets om op te vertakken. Een team dat het eerste bouwt, zal het tweede nutteloos vinden; een team dat het tweede bouwt, zal vinden dat het eerste een parser vereist die het niet wil schrijven. Dit is de hele beslissing, en die is al beslecht voordat de benchmark van een van beide leveranciers wordt geopend.

Ze uitvoeren is ook niet vergelijkbaar.

Moondream 3.1 draait op een workstation-GPU of een Apple-laptop via Photon, waarbij de gewichten bij eerste gebruik van de Hub worden gedownload en er voor het basismodel geen sleutel nodig is. Er is een gehoste endpoint met gepubliceerde prijzen per token, een gratis tier en een gedocumenteerde quickstart, en de leverancier publiceert een gids voor lokale inferentie over ondersteunde hardware, streaming, finetunes en serveren via Triton. Elk pad is gedocumenteerd en elke prijs is openbaar.

SingVL_S1_4B draait op een GPU die je aanlevert, vanuit een BF16-download van 9,1 GB, via een Python 3.12-omgeving en een FastAPI-server gebonden aan poort 8173 die reageert op POST /v1/systemone. De instructies zijn compleet en de curl-voorbeelden werken, wat meer is dan de meeste stille releases voor elkaar krijgen. Wat niet bestaat, is een gehoste optie, een gekwantiseerde build, een framework-integratie of een licentie die je toestaat wat je hebt gedownload opnieuw te verspreiden.

Dat laatste ontbreken heeft een commerciële kant. De licentie van Moondream is een aangepaste licentie — geen open source in de OSI-zin — en de leverancier is expliciet: het hosten van de gewichten als clouddienst vereist de licentie, daarom bestaat de gehoste tier en is die geprijsd. SingVL_S1_4B heeft helemaal geen voorwaarden, wat niet hetzelfde is als permissief: zonder verlening heeft niemand buiten inclusionAI toestemming om het commercieel te gebruiken, en een juridische beoordeling zal daar stoppen.

Waar de beslissing landt

Als de taak is dingen vinden — voorraad tellen, een component lokaliseren, een lay-out in vakken lezen, naar een hendel wijzen — is Moondream 3 de enige van de twee die dat kan, en zijn cijfers voor drukke scènes zijn de reden om het voor dat werk boven een algemeen visiemodel te verkiezen. Het heeft ook een prijslijst, een licentie, een lokale route en een jaar waarin anderen het al gebruiken.

Als de taak is om te beslissen — een poort, een triage, een drempel over een vaste taxonomie waarbij een getal nuttiger is dan een zin — dan is het ontwerp van SingVL_S1_4B de betere keuze, en de output ervan schrapt een hele klasse van downstream-parsing. Maar "betere keuze" is een uitspraak over architectuur op dag twee van een release zonder licentie, en het moet worden gelezen als een reden om te kijken, niet als een reden om te bouwen.

Een team dat het beslissingspatroon nu wil testen, in plaats van te wachten tot inclusionAI de papierwinkel afrondt, kan het vandaag al aanroepen: OrcaRouter levert TypeSafe Jev 1.14 — typesafe/jev-1.14, $0,042 per miljoen inputtokens — op dezelfde sleutel als meer dan 200 andere modellen, tegen de lijstprijs van de provider met 0% markup, zodat een prijswijziging van welke leverancier dan ook dezelfde dag doorwerkt. Sing VL S1 staat niet op OrcaRouter en heeft nergens een gehoste thuisbasis, dus dit is geen beschikbaarheidsclaim; het is de goedkopere manier om erachter te komen of waarschijnlijkheidsoutputs op je eigen data beter presteren dan boxes. Als dat zo is, kom dan terug naar het checkpoint wanneer het voorwaarden heeft. Als dat niet zo is, heb je een GPU en een juridische beoordeling bespaard.

De twee modellen zullen in één adem blijven worden genoemd omdat beide de chatinterface vermijden. Dat is een oppervlakkige overeenkomst. Onder de oppervlakte is de ene een locator en de andere een scorer, en de pipeline die je aan het bouwen bent, weet al welke van de twee hij nodig heeft.