来自MSN15 天
Hugging Face发布号称业界最小多模态语言模型，推论单一图片不用1GB RAM
它以不到1GB的GPU RAM就能在单一图片上执行推论。 图片来源／Hugging Face 需要更高性能的组织可以选择SmolVLM-500M模型。500M在文件理解DocVQA和多模态推理 ...