Компактная 4-битная MLX-версия SmolVLM для диалога и ответов на вопросы по изображениям.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
SmolVLM-500M-Instruct-4bit — компактная мультимодальная модель для диалога по изображениям, представленная сообществом mlx-community. Она объединяет языковую модель SmolLM2-360M-Instruct с визуальной частью SigLIP и использует архитектуру Idefics3; модель можно запускать локально на устройствах Apple через MLX. Репозиторий содержит преобразованную в формат MLX 4-битную версию исходной модели HuggingFaceTB/SmolVLM-500M-Instruct.
Модель принимает изображения и текстовые запросы, а в ответ генерирует текст. Она предназначена для описания изображений, визуальных вопросов и ответов, а также диалога с визуальным контекстом. В карточке заявлен английский язык. Лицензия — Apache-2.0.
Карточка ссылается на исходную модель для подробностей и не приводит собственных оценок качества; 4-битное представление может влиять на точность.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model was converted to MLX format from HuggingFaceTB/SmolVLM-500M-Instruct using mlx-vlm version 0.1.11.
Refer to the original model card for more details on the model.
pip install -U mlx-vlm
python -m mlx_vlm.generate --model mlx-community/SmolVLM-500M-Instruct-4bit --max-tokens 100 --temp 0.0 --prompt "Describe this image." --image <path_to_image>
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
MLX-модели работают только на Apple Silicon.