MODEL VARLIĞI
SmolVLM2-2.2B-Instruct
SmolVLM2, Hugging Face'in küçük görsel-dil ailesinin video anlayan kuşağıdır. Video, çoklu görüntü ve metni birlikte alıp metin üretir; ayırt edici yanı 2,2B ölçeğinde video çıkarımını 5,2 GB GPU belleğine sığdırmasıdır. 256M ve 500M sürümleriyle birlikte bir aile oluşturur; büyük çok modlu modellerin doğruluğunu hedeflemez, tüketici donanımında çalışabilmeyi hedefler.
Künye
Açık ağırlık- Geliştirici
- Hugging Face
- Model tipi
- Çok modlu görsel-dil modeli
- Modaliteler
- metin · görsel · video
- Açık ağırlık
- Var
- Lisans
- Apache-2.0
- Yönetilen API
- Yok
Son doğrulama: 12 Eylül 2026
Yetenekler
- Video, görüntü, çoklu görüntü ve metin girdisi; metin çıktısı
- Video çıkarımı için yalnızca 5,2 GB GPU belleği
- Görsel soru-cevap, görüntü altyazılama ve görüntüden metin okuma
- Çoklu görüntü karşılaştırması ve iç içe geçmiş metin-medya analizi
- 2,2B, 500M ve 256M ölçeklerinde aile
Sınırlılıklar
- Görsel veya video üretimi yapmaz; yalnızca metin üretir
- Model kartı: olgusal görünen ama doğru olmayan içerik üretebilir
- Yüksek riskli senaryolar ve kritik karar alma için tasarlanmamıştır
- İstihdam değerlendirmesi, eğitim notlandırması ve kredi kararlarında kullanımı yasaklanmıştır
Tipik kullanım alanları
- Kenar cihazda video ve görüntü anlama
- Görsel arşiv etiketleme
- Yerel çalışan görsel soru-cevap uygulamaları
- Küçük çok modlu model araştırması
Benchmark politikası
Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji
BUILD
Hangi modeli seçeceğinize karar veremiyor musunuz?
Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.