Мультимодальная SmolVLM для диалогового анализа видео и ответов на вопросы о его содержимом, преобразованная в формат MLX.
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
smdesai/SmolVLM2-2.2B-Instruct-4bit — мультимодальная модель SmolVLM, преобразованная в формат MLX из HuggingFaceTB/SmolVLM2-2.2B-Instruct с помощью mlx-vlm 0.1.14. Она предназначена для диалогового анализа видео и ответов на вопросы о его содержимом; метаданные также указывают поддержку задачи video-text-to-text и обучение на наборах данных для видео и визуально-языковых инструкций.
Модель принимает визуальные данные и текстовые запросы и генерирует текстовые ответы. В README указано использование через mlx-vlm; репозиторий содержит веса safetensors. Лицензия — Apache-2.0. Точная разрядность и размер модели в предоставленных данных не подтверждены, несмотря на суффикс «4bit» в названии. Подробности о качестве и ограничениях следует сверять с карточкой исходной модели.
README отсылает за подробностями к карточке исходной модели, поэтому её конкретные ограничения и характеристики здесь не приведены.
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/SmolVLM2-2.2B-Instruct using mlx-vlm version 0.1.14.
Refer to the original model card for more details on the model.
pip install -U mlx-vlm
python -m mlx_vlm.generate --model smdesai/SmolVLM2-2.2B-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.