SingVL_S1_4B vs MiniCPM-V 4.7 1B: 4,54 miljarder parametrar och ingen licens

Det mest användbara numret i den här jämförelsen finns inte på något av modellkorten. Det är 1,55 miljarder: tensortotalen för MiniCPM-V 4.7 1B, den enhetsbaserade visionsmodellen som OpenBMB släppte den 12 oktober 2026 under Apache 2.0, med GGUF-, AWQ-, GPTQ-, int4- och FP8-byggen redan publicerade och portningar till iOS, Android och HarmonyOS. Mot den står SingVL_S1_4B, inclusionAI:s beslutsmodell med 4,54 miljarder parametrar, uppladdad den 11 november 2026 utan tillkännagivande, utan licensfil och utan någon som helst kvantiserad variant. Ungefär tre gånger så många vikter, på fel sida av en telefons minnesbudget, och utför ett jobb som till största delen inte är samma jobb. Jämförelsen är ändå värd att göra, eftersom den blottlägger den enda frågan ett datablad inte kan svara på: vad är en modell skyldig dig utöver dess utdata?

Vad varje modell returnerar, och därmed var den kan finnas

MiniCPM-V 4.7 1B är en instruktionstränad multimodal modell i konventionell bemärkelse. Den läser en enskild bild, flera bilder eller video och genererar ett svar – bildtexter, transkriptioner, visuell frågebesvarande, flerturnsdialog. OpenBMB levererar dedikerade DSpark-huvuden för spekulativ avkodning till den, utgivna tre dagar efter modellen, och stöder den i SGLang, vLLM, llama.cpp och Ollama, med finjustering via SWIFT och LLaMA-Factory. Det finns ett live-demo space och en offentlig cookbook. Vart och ett av dessa är en kanal genom vilken någon annan än leverantören har kört den.

SingVL_S1_4B genererar inte. Du skickar ett tillstånd till den – text, JSON, upp till fyra bilder – och en uppsättning namngivna frågor med deklarerade typer, och den returnerar en sannolikhet för varje alternativ du erbjöd. Choice väljer en kandidat, noul returnerar sannolikheten att ett ja/nej-påstående gäller, och score returnerar en fördelning över två till tio ordnade nivåer plus en förväntad nivå. Ett framåtpass, ingen sampling, ingen prosa. Repots egen quickstart kör en FastAPI-server på port 8173 och skickar JSON till /v1/systemone.

Så driftsättningsfrågan besvarar sig själv innan benchmarkfrågan ens ställs. MiniCPM-V 4.7 1B har ett ONNX-nära upplägg, telefonportningar och stöd från chipstillverkare eftersom den designades för att köras på en enhet. SingVL_S1_4B har en Python-server eftersom den designades för att köras på en GPU som någon äger. Om din produkt levererar en app är den ena av dessa en komponent och den andra ett tjänsteberoende.

Effektivitet är hela tesen på ena sidan

OpenBMB:s 1B-variant finns för att hålla en position på en kurva för prestanda kontra inferenstid, och modellkortet är tydligt med att detta – inte rå noggrannhet – är påståendet. Arkitekturen uppnår den positionen på två sätt: tidig komprimering intra-ViT, hämtad från LLaVA-UHD v4-serien, som beskär visuella tokens inuti vision-encodern så att senare lager gör mindre arbete, och blandad 4x/16x-komprimering av visuella tokens, som låter en anropare byta detalj mot kostnad per uppgift. Ovanpå det ligger DSpark:s spekulativa huvuden och en angiven lista över stöd från dag ett som sträcker sig från Rockchip och Houmo till Intel, AMD och Arm.

Jämförelsen som leverantören faktiskt publicerar för den här varianten är mot Qwen3.5 0.8B: bättre totalpoäng och bättre inferenseffektivitet i Instruct-läge, enligt leverantörens egen mätning. Det är ett snävt påstående från samma labb som byggde modellen, och det är påståendet som produkten är uppbyggd kring.

SingVL_S1_4B gör inget effektivitetsanspråk alls. Kortet rapporterar inte latens, genomströmning, minnesfotavtryck eller tokens per sekund. Det som det däremot indirekt rapporterar är en design som bör vara effektiv för en annan uppgift: en framåtpassning returnerar alla svar på alla frågor i begäran, medan en generativ modell behöver en passning per token i utdata. För en klassificering med fem alternativ är det en stor strukturell fördel. För en bildtext är det ingen jämförelse, eftersom det inte finns någon bildtext.

Värt att påpeka: konfigurationen låser indatakontraktet till "all-input-before-first-answer; single-turn; no-thinking", och README anger 65 536 indatatoken för text eller 10 000 med bilder. En 1B-modell som körs på en telefon och en 4,5B-modell som behöver en bildbudget på 10 000 token är optimerade för olika begränsningar. Ingen av siffrorna är fel; de är svar på olika frågor.

Licensieringsgapet är den bredaste delen av denna jämförelse

MiniCPM-V 4.7 1B är Apache 2.0. Det är inte en marknadsföringsdetalj – det är anledningen till att ekosystemet runt det finns. Inom fyra veckor från lanseringen fanns det community-GGUF-kvantiseringar från flera utgivare, en MNN-port, ett Rockchip RKLLM-bygge, ett NPU-bygge, en ComfyUI-integrering och minst en finjustering på Hub. Inget av detta hade kunnat hända under en oklar licens, eftersom ingen av dessa personer hade kunnat återdistribuera vikterna.

SingVL_S1_4B levereras utan licensfält i modelkortets metadata och utan LICENSE-fil i repot. Enligt standardupphovsrätten innebär det att ingen utanför inclusionAI har tillstånd att vidaredistribuera det, kvantisera det och publicera resultatet, eller leverera det som en del av en produkt utan ett separat avtal. Organisationen har publicerat många modeller med uttryckliga villkor – LemonDecider har Apache 2.0, SingProbe-familjen har Q​wen's community-licens – så utelämnandet framstår som en ofullbordad utgivning snarare än en avsiktlig begränsning. Men en tolkning är inte detsamma som ett tillstånd.

Den praktiska konsekvensen: för allt som rör en kund, en upphandlingsprocess eller en appbutik går MiniCPM-V 4.7 1B att använda den här veckan, medan SingVL_S1_4B inte gör det. Den där enda raden avgör fler verkliga driftsättningsbeslut än varje benchmarkrad på endera kortet.

Benchmarks som inte får placeras i samma kolumn

Det finns ingen gemensam måttstock här, och det är värt att vara tydlig med varför snarare än att kasta siffror till varandra.

MiniCPM-V 4.7 1B:s utvärdering publiceras som diagram – en övergripande prestandajämförelse, en frontier för prestanda kontra inferenstid – i stället för som en tabell per dataset i modellkortet. Siffrorna finns, inramningen är jämförande och visuell, och huvudpåståendet är positionellt: bättre på frontlinjen än Qwen3.5 0.8B.

SingVL_S1_4B publicerar en detaljerad tabell: 69,76 på Decision Index Text-panel och 73,94 på Vision-panel, där alla fyrtiotre textdataset och elva visionsdataset redovisas separat. Dessa poäng kommer från att bedöma angivna alternativ och ta den högsta sannolikheten, vilket är en väsentligt enklare uppgift än att generera ett fritt formulerat svar som en bedömare ska matcha, och Decision Index är tydligt med att dess siffror är slumpkorrigerade och täckningsjusterade så att gissningar inte ger något.

Att sätta "73.94 vision" bredvid ett MiniCPM-V-frontierdiagram skulle vara ett kategorifel utklätt till en jämförelse. Det enda ärliga påståendet är att båda uppsättningarna siffror är leverantörsrapporterade, att ingen av dem har reproducerats av ett neutralt labb, och att SingVL_S1_4B:s dessutom är två dagar gamla utan någon inlämning till Decision Index offentliga reproduceringskit — kortet innehåller instruktionerna för att lämna in ett sådant, vilket visar avsikt snarare än ett resultat.

Där 1B-modellens egna siffror blir intressanta

Uppdelningen av Decision Index för SingVL_S1_4B är mer avslöjande än dess aggregerade värde, och den råkar beskriva en uppgiftsprofil som även 1B-modellen konkurrerar om. För dokumentliknande visuellt arbete rapporterar SingVL_S1_4B 96,31 på InfographicVQA och 95,82 på nyckelinformationssetet CORD-plus-FUNSD. För svårt akademiskt resonemang rapporterar den 50,17 på MMMU-Pro vision och 49,77 på R-Bench-M. Moderation ligger på 71,64 och sjunker till 43,28 under kompetensprompten.

Den profilen – stark på layout och dokumentutvinning, svag på deliberativt resonemang, känslig för promptformulering vid subjektiva bedömningar – är exakt vad man skulle förvänta sig av en 4,5B-klassificerare med en vision-encoder och utan genereringssteg, och den motsvarar samma arbete som MiniCPM-V 4.7 1B säljs för: dokument, skärmar, OCR på enheten. Så de två modellerna överlappar faktiskt i uppgift, även om de skiljer sig i utdataform. Frågan ett team faktiskt står inför är om det behöver det extraherade värdet eller det extraherade svaret.

Om pipelinen behöver fältet, numret, etiketten – är SingVL_S1_4B:s utdata redan det du ville ha, och du hoppar över parsningen. Om pipelinen behöver sidan renderad som text med bevarad struktur, eller en förklaring till varför fältet var tvetydigt, är MiniCPM-V 4.7 1B den enda av de två som kan producera det.

Medelvägen, och vad den kostar

Ingendera behöver vara ett arkitektoniskt åtagande från dag ett, och det billigare experimentet är inte det självklara. MiniCPM-V 4.7 1B körs på en bärbar dator, så att testa det kostar en eftermiddag och inget annat. SingVL_S1_4B kräver ett GPU och en nedladdning på 9,1 GB bara för att testas, och dess licenssituation innebär att testet inte kan bli en driftsättning utan ett samtal som ingen hos inclusionAI för närvarande för offentligt.

Om det du vill veta är huruvida poängsättning av typade beslut överhuvudtaget hjälper din uppgift – innan du investerar i att hosta en ny checkpoint – är mönstret redan anropbart. OrcaRouter tillhandahåller TypeSafe Jev 1.14 för $0.042 per miljon indatatokens tillsammans med över 200 andra modeller på en och samma nyckel, med leverantörernas listpriser som förs vidare med 0 % påslag och automatiskt failover om en leverantör faller bort. Det ger dig en fungerande beslutsendpoint att benchmarka mot dina egna etiketter, vid sidan av de generativa modeller du skulle behålla för allt annat. SingVL_S1_4B finns inte på OrcaRouter och det finns ingen hostad endpoint för den någonstans, så inget här är ett påstående om dess tillgänglighet; poängen är att designfrågan och leverantörsfrågan går att skilja åt, och bara en av dem kräver en GPU.

Den ärliga sammanfattningen, i den ordning besluten fattas

• Kan det lagligt ingå i en produkt – MiniCPM-V 4.7 1B, Apache 2.0, idag. SingVL_S1_4B, nej, tills en licens finns.

• Kan den köras där produkten körs – MiniCPM-V 4.7 1B, på telefoner och edge-kisel. SingVL_S1_4B, på en GPU-server som du driver.

• Returnerar den det som pipeline behöver — SingVL_S1_4B om svaret är en etikett och en konfidens; MiniCPM-V 4.7 1B om det är text, struktur eller förklaring.

Är något av dem oberoende bevisat — nej. Båda uppsättningarna siffror kommer från leverantörerna. MiniCPM-V 4.7 1B har fyra veckors tredjepartsanvändning bakom sig; SingVL_S1_4B har två dagar och noll nedladdningar.

• Vilken skulle jag utvärdera först — MiniCPM-V 4.7 1B, eftersom det inte kostar något att prova och inte kan uteslutas på papperet. Sedan beslutsmönstret mot en serverad slutpunkt, och först därefter den nya checkpointen, om mönstret betalar sig.

Den ordningen är inte en dom över modellen med 4,5 miljarder parametrar. Det är ett uttalande om vad en release utan licens, artikel eller tillkännagivande kan begära av en främling, vilket inte är särskilt mycket. Artefakten är verklig och designen är intressant; båda kan vara sanna medan svaret på ”bör vi använda den” förblir nej ett tag till.