SmolLM2 — lokalny model AI od Hugging Face

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

Model zastąpiony. SmolLM2 został zastąpiony przez SmolLM3. Tę stronę zostawiamy dla odniesienia; nowsza rodzina jest lepszym punktem wyjścia. Zobacz SmolLM3 →

Najmniejsze produkcyjne LLM-y. Modele SmolLM2 HuggingFace są zaprojektowane do działania na mikrokontrolerach, telefonach i przeglądarkach przez WebAssembly. Mimo małych rozmiarów wykazują zaskakującą inteligencję dzięki starannemu doborowi danych.

HuggingFace Blog Hugging Face

Warianty

Najmniejszy wariant SmolLM2 potrzebuje około 1 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.

ModelVRAM
SmolLM2 1.7B Instruct →
1.7B
~1.8 GB
SmolLM2 360M Instruct →
360M
~1 GB

Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.

Jak uruchomić SmolLM2 lokalnie

Zainstaluj Ollama, a potem pobierz tag.

ollama run smollm2:1.7b

Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.

Licencja

Apache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Dotyczy: SmolLM2 1.7B Instruct, SmolLM2 360M Instruct

Polecane GPU

Najtańsze GPU z naszego katalogu, które uruchomi SmolLM2 lokalnie (min. 1 GB VRAM), to Intel Arc B570 (10 GB).

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
Intel Arc B570 10GB
10 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Czy uruchomię SmolLM2 na moim GPU?

SmolLM2 — najczęściej zadawane pytania

How much VRAM does SmolLM2 need?

SmolLM2 needs about 1 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: SmolLM2 1.7B Instruct (2 GB, Q4_K_M); SmolLM2 360M Instruct (1 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.

Can I run SmolLM2 on an RTX 4090 (24 GB)?

Yes — SmolLM2 runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.

What quantization should I use for SmolLM2?

Q4_K_M is the best balance of quality and VRAM for SmolLM2 in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.

How do I run SmolLM2 with Ollama?

Install Ollama, then run: ollama run smollm2:1.7b. This downloads SmolLM2 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.