跳到正文

SmolVLM

小巧开源的视觉语言模型

访问官网

SmolVLM 是什么

SmolVLM 被介绍为一个 2B 参数的小型视觉语言模型,可降低推理成本,并支持本地部署与自定义。

你可以用它做什么

  • 在较小的本地环境使用多模态 AI
  • 在算力有限时完成视频分析任务
  • 通过 VLMEvalKit 在更多基准上评估

应用场景

  • 回答关于曼谷地标建筑的旅行提问
  • 读取图表找出干旱地区
  • 从发票图像中抽取日期信息

需要留意什么

  • 资料给出的规模是 2B 参数
  • 本地使用面向浏览器与边缘设备描述
  • 加载模型需要 Python 与 Transformers 库

优点与缺点

✓ 我们认可的地方

  • 允许商业使用和自定义部署
  • 与 VLMEvalKit 集成便于扩展基准评测

! 需要留意的地方

  • 资料说明模型规模为 2B 参数
  • 资料把本地部署场景限定为浏览器和边缘设备

常见问题

模型有多大?

资料说明这是一个 2B 参数的视觉语言模型。

使用什么许可?

资料说明检查点、数据集、配方和工具均以 Apache 2.0 许可发布。

最后评测: 2026-11-15

更多 AI 编程工具 工具

查看全部 →

评测方法