
ai/smolvlmSmolVLM是一款轻量级多模态模型,专为视频内容分析设计。该模型可处理视频、图像和文本输入并生成文本输出,无论是回答媒体文件相关问题、比较视觉内容,还是从图像中转录文本。尽管体积小巧,视频推理仅需1.8GB GPU内存,却能在复杂多模态任务上提供稳定性能。这种高效性使其特别适合计算资源有限的设备端应用。
| 属性 | 详情 |
|---|---|
| 提供商 | Hugging Face |
| 架构 | Llama |
| 数据截止日期 | - |
| 支持语言 | 英语 |
| 工具调用 | ❌ |
| 输入模态 | 文本、图像 |
| 输出模态 | 文本 |
| 许可证 | Apache 2.0 |
| 模型变体 | 参数 | 量化方式 | 上下文窗口 | 显存¹ | 大小 |
|---|---|---|---|---|---|
ai/smolvlm:500Mai/smolvlm:500M-F16ai/smolvlm:latest | 500M | MOSTLY_F16 | 8K tokens | 1.15 GiB | 780.71 MB |
ai/smolvlm:500M-Q8_0 | 500M | MOSTLY_Q8_0 | 8K tokens | 0.84 GiB | 414.86 MB |
¹: 显存基于模型特性估算。
latest→500M
通过Docker Model Runner运行该AI模型:
bashdocker model run ai/smolvlm






manifest unknown 错误
TLS 证书验证失败
DNS 解析超时
410 错误:版本过低
402 错误:流量耗尽
身份认证失败错误
429 限流错误
凭证保存错误
来自真实用户的反馈,见证轩辕镜像的优质服务