Hugging Face 发布 SmolVLM2：提供 2.2B、500M 和 256M 视频理解模型

Hugging Face 发布 SmolVLM2，推出 2.2B、500M 和 256M 参数三个视频理解模型，并称模型及演示已开放，支持 Transformers 与 MLX。官方称 2.2B 在其评测的 Video-MME 中优于现有 2B 模型；500M 可在 iPhone 本地分析视频，而 256M 被定位为实验性版本。