// SmolLM / SmolVLM · 文本大模型
SmolLM2-135M 本地部署与显存需求
135M 参数。4 位量化约 0.8 GB，BF16 约 1.0 GB（1 个 8K token 请求）。
发布 2024-10-31许可：可商用显存为估算值
01规格
| 发布方 | Hugging Face · HuggingFaceTB |
|---|---|
| 系列 | SmolLM / SmolVLM · SmolLM2 |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 135M 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 8K tokens (8,192)取自 config.json 的 max_position_embeddings |
| 结构 | 30 层 · GQA |
| 发布权重 | BF16 · 0.3 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2024-10-31 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 最低显卡 | Mac |
|---|---|---|---|---|
| BF16 / FP16（原始精度） | 0.3 GB | 1.0 GB | 8GB 显卡 | Mac 16GB |
| FP8 / INT8 / Q8_0 | 0.1 GB | 0.8 GB | 8GB 显卡 | Mac 16GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 0.1 GB | 0.8 GB | 8GB 显卡 | Mac 16GB |
每个请求的 KV 缓存：8K 0.2 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- Transformers — 官方模型卡提及
- MLX — 官方提供 MLX 权重
- Ollama — Ollama 官方模型库收录 · smollm2:135m
ollama run smollm2:135m04官方仓库与量化版
HuggingFaceTB 官方发布的 4 个仓库。
- SmolLM2-135M main
- SmolLM2-135M-Instruct Instruct
- SmolVLM-256M-Instruct Instruct
- SmolLM2-135M-Instruct-Q8-mlx Instruct/MLX
05SmolLM / SmolVLM 其他模型
全部 8 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| SmolLM2-360M · 同系列 | 362M | 1.1 GB | 2024-10-31 |
| SmolLM2-1.7B · 同系列 | 1.71B | 3.3 GB | 2024-10-30 |
| SmolLM3-3B | 3.08B | 3.2 GB | 2025-07-08 |
| SmolVLM2-2.2B-Instruct | 2.25B | 2.0 GB | 2025-02-08 |
| SmolLM-135M | 135M | 0.8 GB | 2024-07-14 |
| SmolLM-360M | 362M | 1.1 GB | 2024-07-14 |
| SmolLM-1.7B | 1.71B | 3.3 GB | 2024-07-14 |
06来源
数据核对于 2025-02-06。参数、上下文、许可取自官方仓库；显存为本站估算。