Hugging Face 平台发布 SmolVLM AI 本次推出的 SmolVLM-256M-Instruct 仅有 2.56 亿参数，是有史以来发布的最小SmolVLM-500M-Instruct 仅有 5 亿参数，主要针对硬件资源限制，帮助开发者迎接大规模数据分析挑战，实现 AI 处理效率和可访问性的突破。

　　SmolVLM 模型具备先进的多模态能力，可以执行图像描述、短分析以及回答关于 PDF 或科学图表的问题等任务。正如 Hugging Face 所解释的：“SmolVLM 构建可数据库的速度更快、成本更低，其速度可媲美规模 10 倍于其自身的模型”。

　　模型的开发依赖于两个专有数据集：The Cauldron 和 Docmatix。The Cauldron 是一个包含 50 个高质量图像和文本数据集的精选集合，侧重于多模态学习，而 Docmatix 则专为文档理解而定制，将扫描文件与详细的标题配对以增强理解。

　　这两个模型采用更小的SmolVLM 模型能够以每个标记 4096 像素的速率对图像进行编码，这比早期版本中每标记 1820 像素有了显著改进。