SingVL_S1_4B vs WeVisOne VL 4B: De stille release tegenover de voltooide

Het WeChat Vision-team van T​encent publiceerde in oktober 2026 de paper, de gewichten, het inferentiepakket en de demo onder Apache 2.0. Zo ziet een afgeronde release eruit. inclusionAI uploadde op 11 november 2026 twee safetensors-shards, zonder aankondiging, zonder paper, zonder licentie en zonder gehoste endpoint, en daarmee was de kous af. WeVisOne VL 4B en SingVL_S1_4B zijn beide ongeveer viereneenhalf tot vijf miljard parameters, beide gebouwd op Q​wen-vision-backbones, beide gericht op het uit een afbeelding halen van iets preciezers dan een alinea — en ze doen tegenovergestelde helften van dat werk. De een tekent maskers over pixels. De ander retourneert een waarschijnlijkheid over de antwoorden die je dacht voor te leggen. Het vergelijken ervan gaat minder over welke beter is dan over wat een release waard is voordat die af is.

De twee capaciteiten, zonder franje uiteengezet

WeVisOne-VL-4B — de naam is een samentrekking van WeChat Vision All-in-One — verenigt perceptie op objectniveau en perceptie op pixelniveau in één model. Concreet doet het open-vocabulary objectdetectie, localisatie van refererende uitdrukkingen, objecten tellen, aanwijzen, OCR-localisatie, refererende segmentatie en promptbare alpha-matting, de taak om een zacht, continu masker te maken rond iets als haar of een dunne tak waar een harde grens verkeerd zou uitzien. Het mechanisme is gestructureerde next-tokenvoorspelling over toegewijde coördinatentokens plus een pixeldecoder met 9,6 miljoen parameters die samen met het checkpoint als mask_decoder.pt wordt meegeleverd. Het retourneert None wanneer een opgevraagd doel ontbreekt, wat triviaal klinkt en het allerbelangrijkste nuttige gedrag is bij grounding in productie.

SingVL_S1_4B is een beslissingsmodel. Het neemt een toestand — tekst, JSON, tot vier afbeeldingen — en een woordenboek van benoemde vragen, elk met een gedeclareerd type en kandidaatantwoorden. Choice retourneert een waarschijnlijkheid per optie, noul retourneert de waarschijnlijkheid dat een ja/nee-bewering geldt, score retourneert een waarschijnlijkheid per niveau over twee tot tien geordende niveaus en het verwachte niveau. Eén forward pass, geen generatie, geen coördinaten. De repository bevat een FastAPI-server op poort 8173 die antwoordt op /v1/systemone, en de modelkaart is volledig geschreven in het vocabulaire van dat protocol.

De scheiding is dus helder. WeVisOne vertelt je waar het object zich bevindt en welke vorm het heeft. SingVL_S1_4B vertelt je hoe waarschijnlijk het is dat het object is wat je vermoedt. Een pipeline die een persoon uit een foto moet knippen, heeft niets aan een waarschijnlijkheid over drie opties, en een pipeline die moet weten of een afbeelding een beleidsdrempel haalt, heeft niets aan een masker.

Wat de gepolijste release op zijn eigen kaart zette

De hoofdtabel van WeVisOne-VL-4B vergelijkt het met de sterkste open baseline in elke benchmark, afkomstig uit Qwen3-VL en Qwen3.5 tot 9B, Rex-Omni, LocateAnything en taakspecifieke segmentatie- en mattingmodellen. De rijen die de argumentatie dragen:

• LVIS-detectie — F1-gemiddelde 55,3 tegen een baseline van 50,7.

• Dense200 dichte detectie — 71,3 tegen 58,7.

• RefCOCOg-test verwijzend — F1-gemiddelde 81,8 tegen 77,6.

• WeRef-Bench-afwijzingspercentage — 96,4 tegenover 73,0, de rij die het meest van belang is voor grounding in productie.

PixMo-Count telaccuratesse — 89,6 tegen 82,8.

• TotalText OCR — F1-gemiddelde 52,0 tegenover 43,3.

• ReasonSeg verwijzende segmentatie — gIoU 71,2 tegenover 65,0.

• P3M-500-NP boxmat — MAD 7,3 tegen 15,4, waarbij een lagere waarde beter is.

• WeRefMat-tekstmatting — MAD 9,8 tegenover 22,4.

Dat zijn cijfers van de leverancier op de evaluatiepijplijn van de leverancier, uitgevoerd met greedy decoding met maximaal 1.960 visuele tokens per afbeelding, tegen door de leverancier geselecteerde baselines. De eerlijke lezing is dat ze aantonen dat het model werkt en ongeveer waar het staat ten opzichte van het sterkste open alternatief op elke taak — niet dat de verschillen exact zijn. De rij met het afwijzingspercentage is inhoudelijk het meest betrouwbaar, omdat 96,4 tegenover 73,0 een groot genoeg verschil is dat details van de evaluatie-opzet het waarschijnlijk niet kunnen verklaren, en het afwijzen van afwezige doelen is de faalmodus die grounding-systemen in productie verpest.

Er is ook een 2B-variant met een eigen kolom, wat nuttig is: 78,2 op de RefCOCOg-test, 50,2 op rejection, 62,9 op de dense-detectierij. De leverancier publiceerde de zwakkere cijfers van het kleinere model naast de sterkere cijfers van het grotere model, wat het soort openbaarmaking is dat suggereert dat de tabel niet voor een lanceringsbericht is samengesteld.

Wat de stille release op zijn eigen kaart zette

SingVL_S1_4B publiceert een tabel "Public Decision Index 0.3": 69,76 op Tekst, 73,94 op Visie, tegenover TypeSafe Jev 1.14 met 60,70 op tekst, StartLux-Decision v1.1 4B met 67,8 en 67,90, en Perplexity Decider Flash v1.2 met 60,1 en 72,5. De uitsplitsing achter het visie-totaal loopt van InfographicVQA met 96,31 en Winoground met 93,12 tot MMMU-Pro vision met 50,17 en R-Bench-M met 49,77.

Die cijfers hebben drie problemen die die van WeVisOne niet hebben. Ze zijn twee dagen oud. Ze staan op een leaderboard waarvan de scoring kit openbaar is, maar de private helft niet, geproduceerd door een lab dat geen run heeft ingediend voor de publieke reproduction kit — hoewel de kaart wel instructies bevat om er een in te dienen. En de repository heeft geen licentie, wat betekent dat de cijfers niet de beperkende factor voor adoptie zijn; het papierwerk is dat.

Wat de kaart onbetwistbaar vastlegt, is de interface: een waarschijnlijkheid per vraag en per optie uit één enkele forward pass, waarbij de interne onderdelen van het protocol als SHA-256-hashes in config.json worden meegeleverd, zodat een run kan worden geverifieerd tegen de code die hem heeft geproduceerd. Dat is een echte engineeringbeslissing en het meest geloofwaardige in de release.

Het eerlijke scorebord heeft één gedeelde rij en die is leeg.

Deze twee modellen hebben geen enkele benchmark gemeen. WeVisOne meet F1 bij IoU-drempels, gIoU en de gemiddelde absolute afwijking op mattes. SingVL_S1_4B meet kans-gecorrigeerde nauwkeurigheid over sets van opties. Er is geen rij waarin dezelfde meting bij beide is gedaan, en er een construeren zou vereisen dat beide op dezelfde data worden gedraaid — wat niemand heeft gedaan, omdat een van de checkpoints twee dagen oud is.

Wat vergeleken kan worden, is de vorm van het bewijs. De release van WeVisOne omvat een technisch rapport op arXiv, een projectpagina, een GitHub-repository met een evaluatiepipeline, een cookbook, twee demo-ruimtes en reproductie-instructies die een derde partij kan volgen. De release van SingVL_S1_4B omvat een modelkaart en een inferentiemap. Een van die twee stelt een buitenstaander in staat de beweringen te controleren; de andere vraagt de buitenstaander ze te vertrouwen.

Licentiëring, die meer bepaalt dan beide benchmarks

WeVisOne-VL-4B is Apache 2.0. Dat dekt door T​encent geschreven code en gewichten, waarbij componenten van derden hun eigen voorwaarden behouden, en daarom zijn er binnen twee weken na de release al GGUF-quants, een ComfyUI-node, een GGUF-build voor een Rockchip-NPU en een integratiepakket in het Chinees in omloop. Herdistributie is toegestaan, dus er is hergedistribueerd.

SingVL_S1_4B vermeldt geen licentie in de metadata en levert geen LICENSE-bestand mee. inclusionAI heeft bij zijn andere releases expliciete licenties gebruikt — Apache 2.0 voor LemonDecider, Qwen's communitylicentie voor de SingProbe-modellen — dus het gat ziet eruit als een onvoltooide upload. Maar "ziet eruit als een vergissing" is geen licentie, en een compliance-review kan een model niet goedkeuren op de grond dat de uitgever waarschijnlijk permissief bedoelde te zijn.

Voor iedereen voor wie het antwoord op "kunnen we dit uitbrengen" ertoe doet, eindigt de vergelijking hier. WeVisOne kan worden uitgebracht; SingVL_S1_4B nog niet. Al het overige is een discussie over capaciteiten tussen twee modellen waarvan er slechts één momenteel beschikbaar is, wil de discussie ertoe doen.

Welke past bij welke pipeline

• Iets uit een afbeelding knippen — WeVisOne-VL-4B, en het is niet eens close, omdat SingVL_S1_4B helemaal geen segmentatie-output heeft.

• Objecten tellen in een druk frame — WeVisOne-VL-4B. Het scoort 57,1 op de rij voor dichte detectie, waar de beste baseline 47,9 is, en tellen is een volwaardige taak in plaats van een via prompting uitgelokt gedrag.

• Weten dat een doel ontbreekt — WeVisOne-VL-4B, op basis van de afwijzingsrij en de expliciete None-retour. Dit is het vermogen dat een demo van een systeem onderscheidt.

Een dure aanroep laten afhangen van een betrouwbaarheidsscore — de vorm van SingVL_S1_4B, als je die kunt hosten en de licentie binnenkomt. Een waarschijnlijkheid per optie is wat een drempelwaarde wil.

• Classificeren tegen een vaste taxonomie — in principe SingVL_S1_4B; de keuze- en scoretypen ervan sluiten direct aan op taxonomieën, terwijl een generatief model er weer in teruggedwongen moet worden.

• Een pagina lezen en zowel de velden als hun posities verkrijgen — WeVisOne-VL-4B, dat OCR uitvoert met localisatie in dezelfde doorgang als detectie.

• Alles wat deze maand commercieel is uitgerold — WeVisOne-VL-4B, alleen al op basis van licenties.

En een rij die bij geen van beide hoort: als je een schriftelijke uitleg nodig hebt van wat er in de afbeelding staat, zijn beide modellen het verkeerde hulpmiddel. WeVisOne retourneert gestructureerde perceptie en SingVL_S1_4B retourneert waarschijnlijkheden; geen van beide schrijft een alinea.

Wat de vergelijking leert over de markt, niet over de modellen

Het interessante hier is niet dat het ene model beter is. Het is dat twee labs van vergelijkbare omvang in hetzelfde kwartaal een visionmodel met 4 tot 5 miljard parameters uitbrachten en de release volledig anders aanpakten. Tencent leverde een paper, een decoder-checkpoint met een opgegeven parameteraantal, een evaluatiepijplijn, een licentie en een projectpagina, en het ecosysteem bouwde binnen twee weken kwantisaties en integraties. inclusionAI leverde gewichten, een inferentiescript en een benchmarktabel, en het ecosysteem kan er niets mee tot de licentie verschijnt.

Beide strategieën zijn legitiem. Een stille release stelt een lab in staat een checkpoint uit te brengen zonder lanceerverhaal, en de modelkaart hier is echt goed geschreven — de API-voorbeelden werken, de vraagtypen zijn gedocumenteerd met uitgewerkte berekeningen, en de configuratie bevat hashes die verificatie mogelijk maken. Maar een checkpoint zonder licentie is een demonstratie, geen product, en het verschil komt precies naar voren op de plek waar deze vergelijking steeds op terugkomt: of iemand anders dan de auteur erop kan voortbouwen.

Als je het beslissingspatroon wilt testen voordat de papieren binnenkomen, is het patroon zelf aanroepbaar. OrcaRouter serveert TypeSafe Jev 1.14 voor $0.042 per miljoen invoertokens naast meer dan 200 modellen onder één sleutel, waarbij lijstprijzen van providers tegen 0% opslag worden doorgegeven, met automatische failover tussen providers. Sing VL S1 staat niet op OrcaRouter en heeft nergens een gehoste thuisbasis, dus dit is geen beschikbaarheidsclaim daarover — het is de goedkoopste manier om erachter te komen of waarschijnlijkheidsoutputs maskers verslaan op je eigen labels, voordat je een GPU uitgeeft aan een checkpoint waarvan de voorwaarden blanco zijn.

WeVisOne-VL-4B kun je gewoon downloaden. Dat is uiteindelijk de vergelijking: een van beide is een model dat je kunt gebruiken, en de andere is een model waar je alleen over kunt lezen.