Hugging Face 于1月23日发布SmolVLM-256M-Instruct和SmolVLM-500M-Instruct两款AI视觉语言模型。前者仅含2.56亿参数，可在内存低于1GB的PC上运行，是目前最小的视觉语言模型；后者含5亿参数，旨在解决硬件资源受限问题。两款模型均采用SigLIP base patch-16/512视觉编码器，相较于前代每标记像素处理能力提升。SmolVLM模型支持图像描述、视频分析及PDF/科学图表问答等功能，提升了AI处理效率和可访问性。