SmolVLM

効率的なオープンソースのビジョン言語モデル

一般製品画像ビジョン言語モデルマルチモーダルAI

SmolVLMは、20億パラメーターを持つ小型ながらも高性能なビジョン言語モデル（VLM）です。同種のモデルと比較して、メモリ消費量が少なく、効率性に優れています。SmolVLMは、全てのモデルチェックポイント、VLMデータセット、トレーニングレシピ、ツールを含む全てがApache 2.0ライセンスの下で完全にオープンソースとして公開されています。ブラウザやエッジデバイスへのローカル展開に適しており、推論コストを削減し、ユーザーによるカスタマイズを可能にします。

Best AI Websites & Tools

SmolVLM

SmolVLM 最新のトラフィック状況

SmolVLM 訪問数の傾向

SmolVLM 訪問地理的分布

SmolVLM トラフィックソース

SmolVLM 代替品

SmolVLM — 効率的なオープンソースのビジョン言語モデル

VILA — 複数の画像を扱うビジョン言語モデル。トレーニング、推論、評価のためのソリューションを提供し、クラウドからエッジデバイス（Jetson Orinやノートパソコンなど）への展開が可能です。

Ollama OCR for web — 最先端ビジョン言語モデルを用いて画像内のテキストを抽出する、強力なOCRパッケージです。

Moondream AI — 様々なデバイスで動作するオープンソースのビジョン言語モデルです。

OLMo 2 7B — 7Bパラメータの大規模言語モデル。自然言語処理能力を向上させます。

Qwen2.5-Coder-7B — Qwen2.5-Coderシリーズの7Bパラメータコード生成モデル

Qwen2.5-Coder-14B-Instruct — Qwen2.5-Coderシリーズの14Bパラメータコード生成モデル

Qwen2.5-Coder-32B-Instruct — オープンソースのコード生成大規模言語モデル

Llama 3.2 — オープンソースのAIモデル。微調整、蒸留、展開が可能です。

l1m — LLMをベースとした、テキストと画像から構造化データを抽出するためのプロキシAPIです。

Proxy Lite — Proxy Liteは、ウェブ自動化タスクに特化した、オープンソースの30億パラメーターの視覚言語モデル（VLM）です。

AoT — Atom of Thoughts (AoT)は大規模言語モデルの推論性能を向上させるためのフレームワークです。

OpenManus — OpenManusは、招待コードなしで使用できるオープンソースのインテリジェントエージェントプロジェクトです。

CocoIndex — CocoIndexは、カスタム変換ロジックと増分更新をサポートするオープンソースのデータインデックスエンジンです。

NeoBase — NeoBaseは、自然言語でデータベースとやり取りできるオープンソースのAIデータベースアシスタントです。

Instella — Instellaは、AMDが開発した高性能なオープンソース言語モデルであり、オープンソース言語モデルの発展を加速するために設計されています。

Aya Vision 32B — Aya Vision 32Bは、OCR、画像記述、視覚推論など、多様な用途に適した多言語対応のビジュアル言語モデルです。

Aya Vision 8B — 8億パラメーターの多言語視覚言語モデルで、OCR、画像キャプション、視覚推論などの機能をサポートしています。

Scira — Sciraは、ユーザーがインターネット上で情報を検索するのに役立つ、ミニマリストなAI駆動型検索エンジンです。

MindMapper — URL、YouTubeビデオ、またはテキストプロンプトからインタラクティブなマインドマップを生成するWebアプリケーションです。

Firefox翻訳モデル — Firefoxブラウザの翻訳機能向けに最適化された、CPUアクセラレーション対応のニューラル機械翻訳モデルです。

ExplainGitHub — 現代的なGitHubリポジトリ閲覧ツールであり、スマートコードナビゲーションとパフォーマンスの最適化を提供します。

Vibe Coder — Vibe Coderは、音声ベースのAIプログラミング体験を探求するためのオープンソースのVS Code拡張機能です。

GibberLink — 2つの会話型AIエージェントがお互いをAIと確認した後、音声レベルのプロトコルに切り替えて通信します。

Migician — Migicianは、複数の画像の配置に特化した多モーダル大規模言語モデルであり、自由形式の複数の画像の精密配置を実現できます。

smallpond — DuckDBと3FSを基盤とした軽量なデータ処理フレームワーク

PhotoDoodle — PhotoDoodleは、少量のサンプルペアデータから芸術的な画像編集を学習するコード実装です。

Ant Design X Vue — Ant Design X VueはVueベースのAIインターフェースソリューションであり、卓越したAI製品体験の提供を目指しています。

IndexTTS — 産業レベルで制御可能な、効率的なゼロショットテキスト音声変換システム

SWE-RL — 強化学習により、オープンソースソフトウェアの進化における大規模言語モデルの推論能力を向上させます。