Model AI Terkecil dari Hugging Face
Hugging Face claims its new AI models are the smallest of their kind https://techcrunch.com/2025/01/23/hugging-face-claims-its-new-ai-models-are-the-smallest-of-their-kind/

Pengembangan Model AI Terkecil yang Dapat Analisis Gambar, Video, dan Teks

Tim pengembang platform AI Hugging Face telah merilis model AI terkecil yang dapat menganalisis gambar, video, dan teks. Model-model ini, yaitu SmolVLM-256M dan SmolVLM-500M, dirancang untuk bekerja dengan baik pada perangkat yang memiliki RAM kurang dari sekitar 1GB.

Kelebihan Model SmolVLM-256M dan SmolVLM-500M

Model SmolVLM-256M dan SmolVLM-500M memiliki ukuran parameter yang sangat kecil, yaitu 256 juta dan 500 juta parameter masing-masing. Keduanya dapat melakukan tugas seperti menggambarkan gambar atau video dan menjawab pertanyaan tentang dokumen PDF dan elemen-elemen dalam dokumen tersebut, termasuk teks yang telah dikenali dan grafik.

Pengembangan Model

Tim Hugging Face menggunakan koleksi 50 "dokumen tinggi" gambar dan teks, yang disebut The Cauldron, dan Docmatix, sebuah koleksi skan dokumen yang dipasangkan dengan caption yang detail. Kedua koleksi ini dikembangkan oleh tim M4 Hugging Face, yang mengembangkan teknologi AI multimodal.

Perbandingan dengan Model Lain

Tim Hugging Face menyatakan bahwa model SmolVLM-256M dan SmolVLM-500M dapat mengalahkan model yang lebih besar, Idefics 80B, dalam benchmark seperti AI2D, yang memeriksa kemampuan model untuk menganalisis gambar ilustrasi SD. Model SmolVLM-256M dan SmolVLM-500M tersedia di internet serta dapat diunduh dari Hugging Face dengan lisensi Apache 2.0, yang berarti dapat digunakan tanpa keterbatasan.

Keterbatasan Model

Meskipun model SmolVLM-256M dan SmolVLM-500M dapat terjangkau dan fleksibel, namun juga dapat mengandung kelemahan yang tidak terdapat pada model yang lebih besar. Sebuah studi terbaru dari Google DeepMind, Microsoft Research, dan Mila Research Institute di Quebec menemukan bahwa banyak model kecil mengalami penurunan prestasi dalam tugas berpikir yang kompleks. Peneliti menyebutkan bahwa model kecil mungkin dapat mengenali pola permukaan pada data, tetapi kesulitan untuk menerapkannya dalam konteks baru.

Kesimpulan

Model AI terkecil seperti SmolVLM-256M dan SmolVLM-500M dapat menjadi pilihan yang terjangkau dan fleksibel untuk pengembang yang ingin menganalisis data dengan biaya yang rendah. Namun, perlu diingat bahwa model kecil juga dapat mengandung kelemahan yang tidak terdapat pada model yang lebih besar.