Семейство компактных открытых языковых моделей Hugging Face (SmolLM) и моделей для работы с текстом и изображениями (SmolVLM), рассчитанных на запуск на устройстве.
Smol Models — семейство компактных AI-моделей от Hugging Face для работы с текстом и изображениями. Их задача — обеспечить высокую производительность, сохранив достаточно небольшой размер для запуска на устройстве, и при этом сделать модели полностью открытыми.
Языковая модель SmolLM3 содержит 3B параметров и обучена на 11T токенов. Её instruct-вариант поддерживает два режима рассуждения — think и no-think, работает на шести языках (английском, французском, испанском, немецком, итальянском и португальском) и обрабатывает контекст длиной до 128k токенов. Вместе с весами публикуются использованные наборы обучающих данных и конфигурации обучения.
SmolVLM — компактная мультимодальная модель, принимающая изображения и текст. Она подходит для визуального QA, описания изображений, создания визуальных историй и диалогов с несколькими изображениями. В репозитории также есть инструменты для локального инференса и общие утилиты, а модели загружаются через библиотеку Hugging Face transformers.
Установите библиотеку transformers от Hugging Face
Загрузите SmolLM3 и сгенерируйте ответ с помощью примера на Python из README
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Мультимодальная модель с открытыми весами и 9 млрд параметров для визуального понимания, пространственных рассуждений, использования инструментов и исследований embodied AI, построенная на Qwen3.5 и C-RADIOv4-H.
Открытые нативные унифицированные мультимодальные модели SenseNova для понимания изображений, генерации изображений по тексту и редактирования изображений в рамках одной архитектуры.
Открытая медицинская vision-language-модель для работы с медицинским текстом, 2D-изображениями, 3D-объёмами КТ и МРТ и хирургическими видео, обученная на открытых данных.
Открытые мультимодальные модели (MiniCPM-V 4.7 и MiniCPM-o 4.5) для работы с изображениями, видео, документами и речью на локальных устройствах.
Семейство медицинских мультимодальных больших языковых моделей: HealthGPT-Pro понимает медицинские тексты, 2D-изображения и 3D-объёмы, а HealthGPT объединяет понимание и генерацию.
NEO — семейство нативных моделей для работы с изображениями и текстом, которые обрабатывают пиксели и слова в единой плотной архитектуре без энкодера, с кодом для обучения и оценки.