SmolVLM：小而强的视觉语言模型

Hugging Face 发布 SmolVLM，一个轻量级视觉语言模型，旨在在保持高性能的同时降低计算成本。该模型在多个视觉语言基准测试中表现优异，尤其适合资源受限的环境。SmolVLM 基于 Idefics2 架构，通过精简设计实现高效推理，支持图像描述、视觉问答等任务。模型权重已开源，可在 Hugging Face Hub 获取。