Família da Hugging Face de modelos compactos de linguagem aberta (SmolLM) e visão-linguagem (SmolVLM), projetados para rodar no dispositivo.
Smol Models é uma família de modelos leves de IA da Hugging Face, que abrange texto e visão. O objetivo é criar modelos totalmente abertos e compactos o suficiente para rodar no dispositivo, mantendo um bom desempenho.
O modelo de linguagem SmolLM3 tem 3B de parâmetros e foi treinado com 11T tokens. Ele oferece uma variante instruct de modo duplo, que alterna entre raciocínio com e sem pensamento, oferece suporte a seis idiomas (inglês, francês, espanhol, alemão, italiano e português) e aceita contextos de até 128k tokens. As misturas de dados de treinamento e as configurações de treinamento são disponibilizadas publicamente junto com os pesos.
SmolVLM é um modelo multimodal compacto que recebe imagens e texto. Ele permite responder a perguntas visuais, descrever imagens, criar narrativas visuais e conversar com base em várias imagens. O repositório também inclui ferramentas de inferência local e utilitários compartilhados, e os modelos são carregados pela biblioteca transformers da Hugging Face.
Instale a biblioteca transformers da Hugging Face
Carregue o SmolLM3 e gere uma resposta com o exemplo em Python do README
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Um modelo multimodal de pesos abertos com 9 bilhões de parâmetros para compreensão visual, raciocínio espacial, uso de ferramentas por agentes e pesquisa em IA incorporada, baseado em Qwen3.5 e C-RADIOv4-H.
Modelos multimodais unificados e nativos de código aberto da SenseNova para entender imagens, gerar imagens a partir de texto e editar imagens em uma única arquitetura.
Um modelo aberto de visão e linguagem médica que processa textos médicos, imagens 2D, volumes de CT/MRI 3D e vídeos cirúrgicos, treinado com dados públicos.
Modelos multimodais de código aberto (MiniCPM-V 4.7 e MiniCPM-o 4.5) para entender imagens, vídeos, documentos e fala em hardware local e dispositivos móveis.
Família de modelos de linguagem multimodais para a área médica: HealthGPT-Pro entende textos médicos, imagens 2D e volumes 3D, enquanto HealthGPT oferece compreensão e geração unificadas.
NEO é uma família de modelos nativos de visão e linguagem que processam pixels e palavras em uma única arquitetura densa sem encoder, com código de treinamento e avaliação.