Компактная мультимодальная модель в формате MLX для ответов на вопросы и описания видео и изображений по текстовым запросам.
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
mlx-community/SmolVLM2-500M-Video-Instruct-mlx — конверсия в формат MLX модели SmolVLM2-500M-Video-Instruct, опубликованная сообществом mlx-community. Это компактная мультимодальная модель семейства SmolVLM для ответов на вопросы и создания текстовых описаний по видео; в метаданных также указана возможность работы с изображениями. Модель принимает визуальные данные и текстовые запросы, а выдаёт текст.
Архитектура — плотная SmolVLMForConditionalGeneration; в карточке указано преобразование исходной модели в формат MLX с помощью mlx-vlm 0.1.13, а файлы репозитория представлены в safetensors. Основной язык карточки — английский. Лицензия — Apache-2.0.
README отсылает к карточке исходной модели за подробностями; отдельные ограничения этой конверсии в предоставленных данных не описаны.
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/SmolVLM2-500M-Video-Instruct using mlx-vlm version 0.1.13.
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/SmolVLM2-500M-Video-Instruct-mlx --image https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg --prompt "Can you describe this image?"
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
MLX-модели работают только на Apple Silicon.