热门搜索:
ai/smollm3
SmolLM3是一个31亿参数的语言模型，专为高效设备端部署设计，在聊天、文本处理等多种语言任务中保持出色性能，兼具改进的指令遵循、推理能力和知识保留能力。
让 AI 帮你使用轩辕镜像？ · 展开查看说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
SmolLM3
!https://github.com/docker/model-cards/raw/refs/heads/main/logos/***
SmolLM3是一个紧凑的31亿参数语言模型，专为高效设备端部署设计，同时在多种语言任务中保持出色性能。基于SmolLM系列的成功，SmolLM3以轻量级包提供改进的指令遵循、推理能力和知识保留能力，适用于聊天助手、文本处理和各种自然语言理解任务。
预期用途
SmolLM3设计用于：
- 聊天助手和对话AI
- 文本摘要与重写
- 问答与知识检索
- 代码辅助与文本生成
- 设备端AI应用
模型特性
| 属性 | 详情 |
|---|---|
| 提供方 | Hugging Face |
| 架构 | SmolLM3 |
| 数据截止日期 | 2024年10月 |
| 支持语言 | 英语 |
| 工具调用 | ✅ |
| 输入模态 | 文本 |
| 输出模态 | 文本 |
| 许可证 | Apache 2.0 |
可用模型变体
| 模型变体 | 参数规模 | 量化方式 | 上下文窗口 | 显存¹ | 大小 |
|---|---|---|---|---|---|
ai/smollm3:latestai/smollm3:Q4_K_M | 3.1B | MOSTLY_Q4_K_M | 66K tokens | 2.45 GiB | 1.78 GB |
ai/smollm3:F16 | 3.1B | MOSTLY_F16 | 66K tokens | 6.40 GiB | 5.73 GB |
ai/smollm3:Q8_0 | 3.1B | MOSTLY_Q8_0 | 66K tokens | 3.72 GiB | 3.04 GB |
¹：VRAM基于模型特性估算
latest→Q4_K_M
使用Docker Model Runner运行AI模型
首先，拉取模型：
bashdocker model pull ai/smollm3
然后运行模型：
bashdocker model run ai/smollm3
有关Docker Model Runner的更多信息，请查阅文档。
相关链接
- https://huggingface.co/ggml-org/SmolLM3-3B-GGUF
- https://huggingface.co/HuggingFaceTB/SmolLM3-3B
- https://huggingface.co/blog/smollm3
- https://huggingface.co/collections/HuggingFaceTB/smollm-6695016cad7167254ce***
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
DockerHub 原生拉取命令
docker model pull ai/smollm3:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"