6月9日，Hugging Face发布4.5亿参数开源机器人模型SmolVLA，主打高普适性，能在消费级硬件如MacBook Pro上运行，降低开发者的入门成本。SmolVLA采用“视觉-语言-行动”架构，结合Transformer与flow-matching解码器，并通过跳层、融合注意力模块等优化技术减小体积、提升效率。其训练基于公开数据集，虽数据量少于竞品，但在模拟和真实场景中表现优异，甚至超越部分大型模型。此外，SmolVLA引入异步推理架构，增强环境适应能力。Hugging Face称，用户可免费获取模型并在低成本硬件上部署，同时提供配套机器人平台降低整体开销。目前，模型已上线Hugging Face平台且训练方法开源。