SmolVLM Lança Novos Modelos de Linguagem Visual Menores e Mais Eficientes

Tecnologia Inteligência Artificial Inovação

A Hugging Face anunciou a introdução de dois novos modelos de linguagem visual, SmolVLM-256M e SmolVLM-500M, em 23 de janeiro de 2025, caracterizando-se como os menores modelos do tipo no mundo, com foco em eficiência e desempenho multimodal, mantendo uma integração fácil com as ferramentas de aprendizado de máquina existentes.

Imagine a well-structured, 2D linear perspective, vector-styled corporate image showcasing the SmolVLM language models' announcement by Hugging Face in a technological environment. It should celebrate the achievements of the smallest models in the world with a focus on efficiency and multi-modal performance. There are performance graphs highlighting their efficacy and various devices illustrating accessibility across different platforms. The image includes technological colors such as shades of blue and green symbolizing innovation. Visual elements of AI, such as circuit patterns or algorithm visualizations, are subtly displayed in a pleasing manner on a plain, white, untextured backdrop. At the bottom of the image, feature an informative section detailing the SmolVLM models.

Imagem gerada utilizando Dall-E 3

O anúncio de novos membros da família SmolVLM, os modelos SmolVLM-256M e SmolVLM-500M, marca um avanço significativo na área de modelagem de linguagem visual. Com 256 milhões de parâmetros, o SmolVLM-256M se destaca como o menor modelo de linguagem visual do mundo, permitindo que usuários com dispositivos menos potentes e aqueles que utilizam browsers realizem inferências de maneira eficaz.

Ambos os modelos foram desenvolvidos a partir das lições aprendidas com a versão anterior, SmolVLM 2B, e foram projetados para garantir um desempenho multimodal robusto com um tamanho reduzido. Eles incluem quatro checkpoints, com duas versões base e duas versões ajustadas para instruções, podendo ser integrados diretamente em bibliotecas como Transformers, MLX e ONNX.

Os novos modelos foram otimizados para não apenas reduzir o espaço físico necessário, mas também para melhorar a eficiência em tarefas específicas, como a geração de legendas de imagens e a resposta a perguntas documentais. Este movimento para miniaturizar os modelos visuais também visa atender à demanda do mercado por soluções de baixo custo operacional.

SmolVLM-256M é o menor modelo de linguagem visual do mundo.
Ambos os modelos mantêm desempenho robusto em tarefas multimodais.
Integração facilitada com diversas ferramentas de ML.
Adoção de novas técnicas de otimização e tokenização.
Redução de custos operacionais em comparação com modelos maiores.

Os modelos SmolVLM não apenas demonstram eficiência, mas também são facilmente ajustáveis para atender a necessidades específicas. Com o novo ColSmolVLM inspirado em modelos de recuperação, a Hugging Face potencializa o uso de bases de dados recuperáveis, destacando o 256M como uma escolha ideal para diversos cenários especializados.

O lançamento dos modelos SmolVLM-256M e SmolVLM-500M evidencia a evolução contínua na área de modelagem de linguagem visual, oferecendo soluções mais compactas e eficientes. Os interessados podem experimentá-los diretamente e acompanhar as atualizações através da newsletter, onde também encontrará mais conteúdos informativos diariamente.