Hugging Face 发布 SmolVLM2 视频理解模型

Hugging Face 发布 SmolVLM2 系列视频理解模型，包含 256M、500M 和 2.2B 三种参数规模。2.2B 模型在 Video-MME 基准上超越所有现有 2B 模型，500M 和 256M 模型在极低内存消耗下实现同等视频理解能力，且原生支持 Transformers 和 MLX 框架。