Familia de modelos compactos de lenguaje (SmolLM) y visión-lenguaje (SmolVLM) de Hugging Face, diseñados para ejecutarse en el dispositivo.
Smol Models es una familia de modelos ligeros de IA de Hugging Face que abarca texto y visión. El objetivo es crear modelos totalmente abiertos y lo bastante compactos como para ejecutarse en el dispositivo, sin renunciar a un buen rendimiento.
El modelo de lenguaje SmolLM3 tiene 3B de parámetros y se entrenó con 11T tokens. Ofrece una variante instruct de modo dual que permite alternar entre razonamiento con y sin pensamiento, admite seis idiomas (inglés, francés, español, alemán, italiano y portugués) y maneja contextos de hasta 128k tokens. Junto con los pesos, se publican las mezclas de datos de entrenamiento y las configuraciones de entrenamiento.
SmolVLM es un modelo multimodal compacto que procesa imágenes y texto. Puede responder preguntas visuales, describir imágenes, crear relatos visuales y mantener conversaciones que incluyen varias imágenes. El repositorio también incluye herramientas de inferencia local y utilidades compartidas; los modelos se cargan mediante la biblioteca Hugging Face transformers.
Instala la biblioteca transformers de Hugging Face
Carga SmolLM3 y genera una respuesta con el ejemplo de Python del README
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Modelo multimodal de pesos abiertos y 9B parámetros para comprensión visual, razonamiento espacial, uso de herramientas por agentes e investigación en IA corporeizada, basado en Qwen3.5 y C-RADIOv4-H.
Modelos multimodales unificados y nativos de código abierto de SenseNova que entienden imágenes, generan imágenes a partir de texto y editan imágenes con una sola arquitectura.
Un modelo abierto de visión y lenguaje médico que procesa texto médico, imágenes 2D, volúmenes de CT/MRI 3D y videos quirúrgicos, entrenado con datos públicos.
Modelos multimodales de código abierto (MiniCPM-V 4.7 y MiniCPM-o 4.5) para comprender imágenes, videos, documentos y voz en hardware local y dispositivos.
Familia de modelos de lenguaje grandes multimodales médicos: HealthGPT-Pro entiende texto médico, imágenes 2D y volúmenes 3D, mientras que HealthGPT ofrece comprensión y generación unificadas.
NEO es una familia de modelos nativos de visión y lenguaje que procesan píxeles y palabras en una arquitectura densa sin encoder, e incluye código de entrenamiento y evaluación.