SmolVLM

Modelo de lenguaje visual eficiente y de código abierto

Producto ComúnImagenModelo de lenguaje visualIA multimodal

SmolVLM es un modelo de lenguaje visual (VLM) pequeño pero potente, con 2B parámetros, que destaca entre sus homólogos por su reducido consumo de memoria y su alto rendimiento. SmolVLM es completamente de código abierto, incluyendo todos los puntos de control del modelo, el conjunto de datos VLM, las recetas de entrenamiento y las herramientas, lanzados bajo la licencia Apache 2.0. Este modelo es adecuado para la implementación local en navegadores o dispositivos de borde, reduciendo los costes de inferencia y permitiendo la personalización por parte del usuario.

Best AI Websites & Tools

SmolVLM

SmolVLM Situación del tráfico más reciente

SmolVLM Tendencia de visitas

SmolVLM Distribución geográfica de las visitas

SmolVLM Fuentes de tráfico

SmolVLM Alternativas

SmolVLM — Modelo de lenguaje visual eficiente y de código abierto

Aya Vision 8B — Modelo de lenguaje visual multilingüe de 800 millones de parámetros, compatible con OCR, descripción de imágenes, razonamiento visual, etc.

Ollama OCR para web — Un potente paquete OCR que utiliza modelos de lenguaje visual de vanguardia para extraer texto de imágenes.

Moondream AI — Modelo de lenguaje visual de código abierto que se ejecuta en varios dispositivos.

OLMo 2 7B — Modelo de lenguaje grande de 7B parámetros, que mejora las capacidades de procesamiento del lenguaje natural.

Qwen2.5-Coder-7B — Modelo de generación de código de 7B parámetros de la serie Qwen2.5-Coder

Qwen2.5-Coder-14B-Instruct — Modelo de generación de código de 14B parámetros de la serie Qwen2.5-Coder

Qwen2.5-Coder-32B-Instruct — Modelo de lenguaje grande de código abierto para generación de código

Llama 3.2 — Modelo de IA de código abierto, personalizable, destilable y desplegable.

VILA — Un modelo de lenguaje visual multiimagen que cuenta con esquemas de entrenamiento, inferencia y evaluación, y que se puede implementar desde la nube hasta dispositivos de borde (como Jetson Orin y computadoras portátiles).

l1m — Una API proxy para extraer datos estructurados de texto e imágenes, implementada con LLMs.

AoT — Atom of Thoughts (AoT) es un marco para mejorar el rendimiento de la inferencia de los modelos de lenguaje grandes.

OpenManus — OpenManus es un proyecto de agente inteligente de código abierto que se puede usar sin código de invitación.

CocoIndex — CocoIndex es un motor de indexación de datos de código abierto que admite la lógica de conversión personalizada y las actualizaciones incrementales.

NeoBase — NeoBase es un asistente de base de datos de IA de código abierto que le permite interactuar con bases de datos utilizando lenguaje natural.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

Aya Vision 32B — Aya Vision 32B es un modelo de lenguaje visual multilingüe, adecuado para OCR, descripción de imágenes, razonamiento visual y otros usos.

Scira — Scira es un motor de búsqueda impulsado por IA minimalista que ayuda a los usuarios a encontrar información en Internet.

MindMapper — Una aplicación web que genera mapas mentales interactivos a partir de URL, vídeos de YouTube o indicaciones de texto.

Modelos de Traducción de Firefox — Modelo de traducción automática neuronal acelerado por CPU optimizado para la función de traducción del navegador Firefox.

ExplainGitHub — Una herramienta moderna para explorar repositorios de GitHub, que proporciona navegación de código inteligente y rendimiento optimizado.

GibberLink — Dos agentes de IA conversacionales cambian a un protocolo de nivel de audio para comunicarse después de confirmar que ambos son IA.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

smallpond — Un framework de procesamiento de datos ligero basado en DuckDB y 3FS

PhotoDoodle — PhotoDoodle es una implementación de código que aprende la edición de imágenes artísticas a partir de un pequeño conjunto de datos de pares de imágenes.

Ant Design X Vue — Ant Design X Vue es una solución de interfaz de usuario para IA basada en Vue, dedicada a crear experiencias excepcionales de productos de IA.

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

SWE-RL — Mejora la capacidad de razonamiento de los modelos de lenguaje grande en la evolución de software de código abierto mediante el aprendizaje por refuerzo

DeepGEMM — DeepGEMM es una biblioteca CUDA para la multiplicación de matrices FP8 de alta eficiencia, que admite escalado de grano fino y diversas técnicas de optimización.

Phi-4-mini-instruct — Phi-4-mini-instruct es un modelo de lenguaje ligero de código abierto, enfocado en datos intensivos de alta calidad y razonamiento.