SingVL_S1_4B против MiniCPM-V 4.7 1B: 4,54 млрд параметров и отсутствие лицензии

Самое полезное число в этом сравнении отсутствует в обеих карточках моделей. Это 1,55 млрд: суммарное число тензоров у MiniCPM-V 4.7 1B — локальной модели зрения, которую OpenBMB выпустила 12 октября 2026 года под Apache 2.0, уже опубликовав сборки GGUF, AWQ, GPTQ, int4 и FP8 и порты для iOS, Android и HarmonyOS. Напротив неё стоит SingVL_S1_4B — модель принятия решений от inclusionAI с 4,54 млрд параметров, выложенная 11 ноября 2026 года без анонса, без файла лицензии и без какого-либо квантованного варианта. Примерно втрое больше весов — и это не вписывается в бюджет памяти телефона; к тому же работа, которую она выполняет, по большей части не та же самая. Сравнение всё равно стоит проводить, потому что оно вскрывает единственный вопрос, на который не может ответить спецификация: что модель должна вам сверх своего вывода?

Что возвращает каждая модель и, следовательно, где она может находиться.

MiniCPM-V 4.7 1B — это мультимодальная модель, дообученная на инструкциях, в привычном смысле. Она принимает одно изображение, несколько изображений или видео и генерирует ответ — подписи, транскрипции, ответы на визуальные вопросы, многоходовой диалог. OpenBMB выпускает для неё специализированные головы спекулятивного декодирования DSpark, появившиеся через три дня после самой модели, и поддерживает её в SGLang, vLLM, llama.cpp и Ollama, а дообучение — через SWIFT и LLaMA-Factory. Есть живое демо-пространство и публичный кукбук. Каждый из них — канал, через который кто-то, помимо поставщика, запускал эту модель.

SingVL_S1_4B не генерирует. Вы передаёте ему состояние — текст, JSON, до четырёх изображений — и набор именованных вопросов с объявленными типами, и он возвращает вероятность для каждого предложенного вами варианта. Choice выбирает кандидата, noul возвращает вероятность того, что утверждение с ответом да/нет истинно, а score возвращает распределение по двум–десяти упорядоченным уровням плюс ожидаемый уровень. Один прямой проход, без сэмплирования, без прозы. Быстрый старт из самого репозитория запускает сервер FastAPI на порту 8173 и отправляет JSON в /v1/systemone.

Так что вопрос развёртывания решается сам собой ещё до того, как задаётся вопрос о бенчмарках. MiniCPM-V 4.7 1B имеет историю, близкую к ONNX, порты для телефонов и поддержку со стороны производителей чипов, потому что он создавался для работы на устройстве. У SingVL_S1_4B есть Python-сервер, потому что он создавался для работы на GPU, которым владеет кто-то другой. Если ваш продукт поставляется как приложение, один из них — компонент, а другой — зависимость от сервиса.

Эффективность — это весь тезис, с одной стороны.

1B-вариант OpenBMB существует, чтобы занимать позицию на кривой «производительность — время инференса», и карточка недвусмысленно указывает, что заявленным преимуществом является именно это, а не «сырая» точность. Архитектура обеспечивает эту позицию двумя способами: ранняя компрессия внутри ViT, взятая из линейки LLaVA-UHD v4, которая сокращает визуальные токены внутри кодировщика изображений, чтобы последующие слои выполняли меньше работы, и смешанная 4x/16x-компрессия визуальных токенов, позволяющая вызывающему коду обменивать детализацию на стоимость в расчёте на задачу. Поверх этого расположены спекулятивные головы DSpark и заявленный список поддержки «с первого дня», охватывающий от Rockchip и Houmo до Intel, AMD и Arm.

Сравнение, которое поставщик фактически публикует для этого варианта, — с Qwen3.5 0.8B: по собственным измерениям поставщика, лучший общий балл и лучшая эффективность инференса в режиме Instruct. Это узкое утверждение от той же лаборатории, которая создала модель, и именно вокруг этого утверждения построен продукт.

SingVL_S1_4B вообще не делает заявлений об эффективности. В карточке не сообщается ни о задержке, ни о пропускной способности, ни об объёме занимаемой памяти, ни о токенах в секунду. Косвенно в ней описывается архитектура, которая должна быть эффективной в другой задаче: один прямой проход возвращает все ответы на все вопросы в запросе, тогда как генеративной модели нужен один проход на каждый выходной токен. Для классификации с пятью вариантами это большое структурное преимущество. Для подписи к изображению это не сравнение, потому что подписи нет.

Стоит отметить: конфигурация жёстко фиксирует входной контракт как «all-input-before-first-answer; single-turn; no-thinking», а в README указано 65 536 входных токенов для текста или 10 000 с изображениями. Модель на 1B, которая работает на телефоне, и модель на 4.5B, которой нужен бюджет в 10 000 токенов на изображения, решают разные ограничения. Ни одно из этих чисел не является ошибочным; это ответы на разные вопросы.

Разрыв в лицензировании — самая широкая часть этого сравнения.

MiniCPM-V 4.7 1B распространяется под лицензией Apache 2.0. Это не маркетинговая деталь — именно поэтому вокруг него существует экосистема. В течение четырёх недель после выпуска появились GGUF-кванты от сообщества из нескольких источников, порт MNN, сборка Rockchip RKLLM, сборка для NPU, интеграция с ComfyUI и как минимум один файнтюн на Hub. Ничего из этого не могло бы произойти при неясной лицензии, потому что никто из этих людей не смог бы распространять веса.

SingVL_S1_4B поставляется без поля лицензии в метаданных карточки модели и без файла LICENSE в репозитории. Согласно авторскому праву по умолчанию, это означает, что никто за пределами inclusionAI не имеет права распространять её, квантовать и публиковать результат или поставлять её в составе продукта без отдельного соглашения. Организация опубликовала множество моделей с явными условиями — LemonDecider распространяется под Apache 2.0, семейство SingProbe — под лицензией сообщества Qwen — поэтому это упущение воспринимается как незавершённый релиз, а не намеренное ограничение. Но интерпретация — это не разрешение.

Практическое следствие: для всего, что касается клиента, процесса закупок или магазина приложений, MiniCPM-V 4.7 1B можно использовать уже на этой неделе, а SingVL_S1_4B — нет. Эта одна фраза определяет больше реальных решений о развёртывании, чем все строки бенчмарков в обеих карточках вместе взятые.

Бенчмарки, которые нельзя размещать в одном столбце

Здесь нет общей мерки, и стоит прямо объяснить почему, вместо того чтобы обмениваться цифрами.

Оценка MiniCPM-V 4.7 1B опубликована в виде диаграмм — общего сравнения производительности и фронтира «производительность — время вывода», — а не в виде таблицы по отдельным наборам данных в карточке модели. Цифры есть, подача сравнительная и визуальная, а главное утверждение носит позиционный характер: лучше на фронтире, чем Qwen3.5 0.8B.

SingVL_S1_4B публикует подробную таблицу: {{1}}69,76 в текстовой панели Decision Index и 73,94 в панели Vision{{/1}}, с разбивкой по всем сорока трём текстовым наборам данных и одиннадцати наборам данных компьютерного зрения. {{2}}Эти оценки получены путём оценки предложенных вариантов и выбора максимальной вероятности, что существенно проще, чем генерировать свободный ответ, который должен сопоставить проверяющий{{/2}}, а Decision Index прямо указывает, что его показатели скорректированы на случайность и покрытие, поэтому угадывание ничего не даёт.

Утверждение «73.94 vision» рядом с фронтирным графиком MiniCPM-V было бы категориальной ошибкой, замаскированной под сравнение. Единственное честное замечание состоит в том, что оба набора цифр заявлены самими вендорами, ни один не был воспроизведён независимой лабораторией, а показатели SingVL_S1_4B к тому же двухдневной давности и не поданы в публичный набор для воспроизведения Decision Index — в карточке приведены инструкции по подаче, что свидетельствует о намерении, а не о результате.

Где собственные цифры модели 1B становятся интересными

Разбивка SingVL_S1_4B по Decision Index показательнее, чем его агрегированное значение, и она, кстати, описывает профиль задач, за который конкурирует и модель 1B. В работе со зрительными документами SingVL_S1_4B показывает 96,31 на InfographicVQA и 95,82 на наборе ключевой информации CORD-plus-FUNSD. В сложных академических рассуждениях он показывает 50,17 на MMMU-Pro vision и 49,77 на R-Bench-M. Показатель Moderation составляет 71,64 и падает до 43,28 при skill prompt.

Этот профиль — силён в вёрстке и извлечении из документов, слаб в взвешенных рассуждениях, чувствителен к формулировке промпта при субъективных суждениях — именно таков, каким его можно ожидать от классификатора на 4.5B с визуальным энкодером и без этапа генерации, и он соответствует той же работе, для которой предназначена MiniCPM-V 4.7 1B: документы, экраны, OCR на устройстве. Так что две модели действительно пересекаются по задаче, хотя и различаются по форме вывода. Вопрос, который реально стоит перед командой, — нужен ли ей извлечённое значение или извлечённый ответ.

Если конвейеру нужно поле, число, метка — выход SingVL_S1_4B уже является тем, что вам нужно, и вы пропускаете парсинг. Если конвейеру нужно, чтобы страница была отрендерена как текст с сохранённой структурой, или объяснение того, почему поле было неоднозначным, MiniCPM-V 4.7 1B — единственная из двух, кто может это выдать.

Срединный путь и его цена

Ни то, ни другое не обязательно должно быть архитектурным обязательством, принятым в первый же день, и более дешёвый эксперимент — не очевидный. MiniCPM-V 4.7 1B работает на ноутбуке, так что его тестирование стоит полдня и ничего больше. SingVL_S1_4B требует GPU и загрузки 9,1 ГБ, чтобы его вообще можно было протестировать, а ситуация с его лицензией означает, что тест не может превратиться в развёртывание без разговора, который никто в inclusionAI сейчас публично не ведёт.

Если вы хотите узнать, помогает ли скоринг типизированных решений вашей задаче вообще — прежде чем вкладываться в развёртывание нового чекпойнта — этот паттерн уже можно вызвать. OrcaRouter предоставляет TypeSafe Jev 1.14 по цене $0.042 за миллион входных токенов наряду с более 200 другими моделями по одному ключу, при этом цены из прайс-листов провайдеров передаются без наценки (0%) и предусмотрено автоматическое переключение при отказе провайдера. Это даёт вам рабочий эндпоинт для принятия решений, который можно сравнить с вашей собственной разметкой, рядом с генеративными моделями, которые вы оставите для всего остального. SingVL_S1_4B отсутствует на OrcaRouter, и размещённого эндпоинта для него нет нигде, так что здесь ничего не утверждается о его доступности; суть в том, что вопрос проектирования и вопрос выбора поставщика можно разделить, и только один из них требует GPU.

Честное резюме — в том порядке, в котором принимаются решения.

Можно ли это законно включить в продукт — MiniCPM-V 4.7 1B, Apache 2.0, уже сегодня. SingVL_S1_4B — нет, пока не появится лицензия.

• Может ли это работать там, где работает продукт — MiniCPM-V 4.7 1B, на телефонах и edge-чипах. SingVL_S1_4B — на GPU-сервере, которым управляете вы.

• Возвращает ли он то, что нужно пайплайну, — SingVL_S1_4B, если ответ представляет собой метку и оценку уверенности; MiniCPM-V 4.7 1B, если это текст, структура или объяснение.

• Что-либо из этого независимо подтверждено — нет. Оба набора цифр принадлежат вендорам. За MiniCPM-V 4.7 1B — четыре недели стороннего использования; у SingVL_S1_4B — два дня и ноль загрузок.

• Что бы я оценивал первым — MiniCPM-V 4.7 1B, потому что попробовать его ничего не стоит, и его нельзя исключить на бумаге. Затем — паттерн принятия решений на развёрнутом эндпоинте, и только потом — новый чекпоинт, если паттерн окупает себя.

Такая очерёдность — не приговор модели с 4,5 млрд параметров. Это утверждение о том, чего релиз без лицензии, статьи или анонса может просить у постороннего человека, — а просить он может не так уж много. Артефакт реален, и дизайн интересен; и то и другое может быть правдой, при этом ответ на вопрос «стоит ли нам это использовать» ещё какое-то время остаётся «нет».