SingVL_S1_4B：inclusionAI 悄然发布的 4.54B 决策模型

2026年11月11日 03:58 UTC，一个名为 SingVL_S1_4B的仓库出现在 Hugging Face 上的 inclusionAI 组织下。05:38 UTC，有人编辑了它的 README。截至本文撰写时，该实验室没有发布博客文章，没有 arXiv 论文，没有 GitHub 发布，也没有出现在任何推理提供商的目录中，下载计数器仍为零。模型卡用空格拼写名称——Sing VL S1——并将其描述为基于 Qwen3.5 构建的多模态决策模型。这就是全部公开记录。下文所有内容均读取自该仓库中的文件，凡读起来像断言的内容都已标注为断言。

这里的“决策模型”具体是什么意思？

这不是那种硬加上视觉能力的聊天模型。你不是给它发送一个提示词，然后读回一段文字。你发送的是一个状态——文本、JSON，或最多四张图像——再加上一个由具名问题组成的字典，而每个问题都会声明自己的类型和候选答案。模型运行一次前向传播，并为每个候选答案返回一个概率。

共有三种问题类型，名称均为模型自拟：

• 选择 — 从提供的选项中选择一个；响应会为每个选项给出一个概率。

• Noul —— 一个是/否命题；回答是它为真的概率。这个拼写很奇怪，而卡片用的正是这个拼写。

• 评分——按 2 到 10 个有序等级对输入进行评分；响应中包含每个等级的概率，以及按零基索引乘以概率之和计算出的期望等级。

因此，单个请求可以询问“命名的是哪种颜色”、“被命名的颜色是否为红色”，以及“文本将颜色识别为红色的明确程度如何”，并通过一次处理得到三个带置信度的答案。卡片自带的示例正是这样做的，然后将其重复用于两张图像，以询问哪一张是红色的。

架构上的后果是：输出词表并不是一个词表。没有采样，没有温度，没有需要解析的 token 流，也没有可以诱导出来的 JSON 模式。如果你的流水线目前最后一步是在模型的自由文本上跑正则来提取标签，那么这种形态的模型正好能去掉这个正则。如果你的流水线需要自由文本——摘要、理由说明、工具调用——这个模型给不了你任何东西，因为它从不会生成这些。

数字，以及这些数字属于谁

卡片发布了一张标题为“Public Decision Index 0.3”的表格。Sing VL S1 在文本面板上的得分为 69.76，在视觉面板上的得分为 73.94。对比列中，TypeSafe Jev 1.14 的文本得分为 60.70，未公布视觉得分；StartLux-Decision v1.1 4B 的文本得分为 67.8，视觉得分为 67.90；Perplexity Decider Flash v1.2 (4B) 的文本得分为 60.1，视觉得分为 72.5。

请把这段内容当作一份自我报告来读。其中的每一个数字都来自训练该模型的实验室，来自一个排行榜——其评分工具包是公开的，但私有的那一半并不公开，而且没有任何第三方重新跑过其中任何一项。decision-index 项目会重建公开测试套件并为提交的运行结果打分，而 Decision Index 自己的复现工具包显示，截至今天早上，其 issue 或 pull request 历史中任何地方都没有 SingVL 的提交。该卡片确实包含了提交说明，这是意图的合理信号，而非结果的证据。

按数据集的细分比总体数字更有用，因为它显示了汇总值来自哪里。在十一个视觉数据集上，最强的几项是 InfographicVQA 的 96.31、Winoground 的 93.12，以及 CORD-plus-FUNSD 关键信息集的 95.82。较弱的几项也同样有信息量：MMMU-Pro vision 在非技能项为 50.17，在带技能提示时为 42.85；R-Bench-M 为 49.77 和 39.72；仇恨模因审核从 71.64 降到 43.28。这是一个擅长阅读文档和布局、却不擅长对高难度学术图表进行推理的模型——这一特征与一个 45 亿参数、执行分类而非审慎推理的主干模型相符。

在四十三个文本数据集上，BFCL 以 96.81、CLINC150 以 97.03 表现突出；HLE 为 12.77、ChessBench 为 26.88、SGD 对话集为 8.33，处于最低水平。卡片用剑号标记了几行，表示该指数将它们单独报告，而不是合并计入其中；这种披露让表格其余部分更容易被信任。

仓库里实际上有什么

两个 safetensors 分片总计约 9.1 GB，按 BF16 计算约为 45.4 亿个参数——仓库名称写的是 4B，Hugging Face 侧边栏将其四舍五入为 5B，而张量总数正好是两者之间的数字。一个声明 Qwen3.5 条件生成架构、隐藏层大小为 2560 的配置。一个 7.7 KB 的聊天模板，可处理图像和视频 token。还有一个 inference/ 目录，里面装着让这一切真正可用的东西：一个 Python 封装、一个 FastAPI 服务器、一个基准测试脚本，以及两张示例图像，一张蓝色、一张红色。

环境配置明确到补丁版本：Python 3.12、与硬件匹配的 PyTorch 和 torchvision，依赖项从 inference/ 内部安装。服务器运行在 8173 端口，并在 POST /v1/systemone 上响应。该路径不是 OpenAI 兼容路由，也无意伪装成此类路由；它是 Decision Index 评估套件所使用的通信格式。该卡的快速入门将套件直接接入该端点，先用于文本套件，然后用于视觉套件，并明确设定每张图像 1,638,400 像素的像素预算。

在实际运行中有两个限制很重要，而且它们是在卡片中说明的，不是在生成环境中才发现的：每次请求四张图像；纯文本输入为 65,536 个 token，附加图像后则为 10,000 个 token。处理器配置将每张图像的最大像素数设为 1,806,336，因此整页截图在被读取之前会被降采样。

配置文件暴露了它的来历。

打开 config.json 后，会出现一组不是 Q​wen3.5 标准配置的键：jev_gdn_mode、jev_mask_version、jev_packing、jev_prefix_contract、jev_soft_choice。这个前缀契约的内容是“all-input-before-first-answer; single-turn; no-thinking”。soft-choice 块包含实现读出功能的 Python 文件的 SHA-256 哈希值；这些哈希值被固定下来，以便评估者确认产生评分的代码就是实际交付的代码。

直白地读，“j​ev”是这个模型所内置的共享 harness 的名称——它与 TypeSafe 的 J​ev 模型和 Decision Index 套件所围绕的是同一类 harness。这是从配置文件中的一个字符串推断出来的，并非厂商的声明，也是此次发布中最有趣却未获解释的一点。它表明，Sing VL S1 并非从零开始的类型化决策实验，而是把 Q​wen3.5 视觉检查点适配进了一套现有协议，并随附该协议内部实现，以便结果可复现。

同一组织内还有一个兄弟项目支持这一解读。inclusionAI 的 LemonDecider 于 10 月下旬发布，基于 Qwen3.5-4B，是一个纯文本决策引擎，具有 255 个选项的读出和一个温度校准常数；其卡片描述了相同的 choice/noul/score 词汇以及相同的单次前向传播设计。Sing VL S1 看起来像是把这条工作线扩展到了图像。该组织尚未这样说明。

缺失的并非表面功夫

• 无许可证。模型卡的元数据声明了架构和任务标签，但完全没有许可证字段，仓库中也没有 LICENSE 文件。没有许可证时，默认状态并不是“开放”——而是“保留所有权利，请询问作者”。一个需要将其商业化交付的团队目前还没有可依赖的许可，应该先告诉法务，再告诉路线图。

• 没有论文。该组织在 Hugging Face 主页上有三十一篇论文，但没有一篇是关于这个模型的。没有方法部分，没有训练数据说明，也没有说明这 45.4 亿参数是在什么数据上调优的。

• 未发布公告。组织卡片仍引导关注者前往其 GitHub 和两个 X 账号获取发布消息；今天在这两个渠道上都找不到关于此仓库的帖子。该组织的 GitHub 上没有 SingVL 仓库。

没有托管端点。没有推理提供商将其列出。运行它的唯一方式是下载 9.1 GB 并自行部署服务。

• 没有独立结果。上文已述，但值得重复，因为正是这一点决定了 69.76 对你是否有任何意义。

如果你决定使用的话，你实际上会怎么用它

坦诚的部署方案是边车，而不是替代品。把 FastAPI 服务器放在 GPU 机器上，让现有流水线在某个特定子任务上指向它——也就是你目前从生成文本中解析标签的地方，例如意图路由、文档类型分诊、审核标记、昂贵调用前的“是/否”闸门——而所有需要解释的事情，仍交给生成模型在原处处理。概率输出才是关键：你得到的是一个可设阈值的数字，而不是一个需要信任的字符串。

让这项尝试成本很低的是，该 API 只有一条路由和一个扁平 JSON 请求体。写个包装函数只需一上午。让它难以被依赖的是，一个没有许可证、没有论文、仓库才建了一天的模型可能毫无预告地变更或消失，所以要在配置中固定 revision hash，并把该端点视为置于回退机制之后的不受信任基础设施。

这也正是路由真正体现价值、而非沦为口号的地方。OrcaRouter 已经上架 TypeSafe Jev 1.14——typesafe/jev-1.14，每百万输入 token $0.042——这意味着 决策模型模式如今可以通过一个密钥调用，与它将并列的生成式模型一同使用。Sing VL S1 并未上架 OrcaRouter，这里也没有什么关于它的消息要宣布；相关事实更具体，也更有用。你可以在一个可用端点上测试这种模式，然后再决定是否承诺为一个使用条款空白的 9 GB 检查点提供服务；如果这个检查点后来证明了自己的价值，采用它并不需要再签一份合同。

什么会让这件事从一时好奇变成一项决策？

三件事，按它们能告诉你的信息量从大到小排列。一份许可证文件，因为没有它，其他事情在商业上都无从谈起。向 Decision Index 提交一份附有运行目录的材料，因为卡片的提交部分描述的正是这样一种产物：它能让陌生人核验 69.76 和 73.94，而不是直接采信它们。以及在由其他人控制的评测框架上进行第二次独立评估，因为一个在自家作者参与正式化的基准上获胜的模型，在需要发布公告之前，更需要第二意见。

在此之前，解读这次发布的正确方式，就像阅读一篇缺失了方法部分的预印本：产物是真实的，数字是作者自己的，而有趣之处在于，一个为概率向量而非段落打造的 45 亿参数视觉模型如今竟然真的存在了。它最终会成为一个类别还是一个脚注，取决于该仓库尚未包含的书面材料。