ファミリー SmolLM · 2.2B パラメータ★ フランス製

SmolVLM2 2.2B Instruct

VLM 2.2B:画像+動画+テキスト。動画推論には 5.2 GB の VRAM が必要。ベースは SmolLM2-1.7B。

🇫🇷 HuggingFace·ライセンス Apache 2.0·コンテキスト 8k tokens·公開日 2025年2月·128 GBの範囲に収まる GIGABYTE AI TOP ATOM← カタログ

01できること

長所
  • 超コンパクトなビジョンモデル
  • Apache 2.0
  • 基本的な動画
知っておくべき限界
  • —Ctx 8k(SmolLM2から継承)
  • —公式Ollamaなし
アーキテクチャ
VLM 画像+動画+テキスト → テキスト · バックボーン SmolLM2-1.7B
トレーニング
動画の推論には約5.2 GBのVRAMが必要。
おすすめの用途
超コンパクトなビジョンモデル基本的な動画

04インストール

インストール Ollama お使いのOS向け。ダウンロード前にモデルと量子化を確認してください。まずはコンテキストを4096トークンに設定し、その後、ollama ps でモデルの配置先を確認してください。以下にコマンドが記載されていることは、お使いのマシンでテストが実行された証拠にはなりません。

$# HuggingFace : HuggingFaceTB/SmolVLM2-2.2B-Instruct
⚠
初回ダウンロード:選択した量子化により 2 GB から 40 GB。ディスク容量を確保し、安定した接続を推奨します。その後の起動は即時です。

02必要なメモリ

このモデルを動作させるためのGPU VRAMの概算値(4kトークンのコンテキストオーバーヘッドを含む)。より長いコンテキストが必要な場合は、8kトークンごとに約1 GBを追加してください。

Q4_K_M
最も軽量、損失約 5%
1.6 GB
Q5_K_M
品質とサイズのバランスが良好
2 GB
Q8_0
FP16とほぼ区別がつかない
3 GB
FP16
フル精度 — サーバー用途
4.5 GB
CPU フォールバック ・GPUがない場合は、 5 RAM(GB) このモデルを低速で実行するための最低要件。

SmolVLM2 2.2B Instructに必要なハードウェアは?

実行するには SmolVLM2 2.2B Instruct ローカルで Q4 量子化の場合、約 1.6 GBのVRAM。比較検討する選択肢: RTX 5060 Ti 16GB (ASUS Prime) — システムとコンテキスト用のメモリに余裕を持たせ、推論エンジンがGPUに対応していることを確認してください。

現在のオファー: RTX 5060 Ti 16GB (ASUS Prime)
Amazon価格を見る →

アフィリエイトリンク — 追加費用なしで手数料を受け取る場合があります。独立したおすすめ情報です。Amazonアソシエイトとして、ローカルLLMナビは条件を満たす購入から利益を得ています。

外出先では: SmolVLM2 2.2B Instruct 〜でも動作します RTX搭載ノートPC (16 GBのVRAM) →

クラウドを使わず、このモデルを自分専用のChatGPTで利用

お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。

  • 永久に利用できるオンラインスペース
  • PDF + ファイル
  • 30日間返金対応

03予想速度

Q4_K_M、コンテキスト 4k での毎秒生成トークン数。 20 t/sを超えると快適に読めます。 10 t/s未満では、試用にとどまります。

エントリーレベル
~30t/s
GTX 1650、RX 6600、MBA M2 8GB
ミッドレンジ
~90t/s
RTX 4060、4070、MBP M3 Pro
ハイエンド
~180t/s
RTX 4090、M4 Max、Radeon 7900