SmolLM2 / SmolLM3

Hugging Faces komplett offene Mini-Reihe (inkl. Trainingsdaten dokumentiert). SmolLM3 (3B) ist mehrsprachig und kann sogar Reasoning — ideal zum Lernen und Experimentieren.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Größen & Hardware

• Verfügbare Größen: 135M / 360M / 1.7B / 3B
• Empfohlene Hardware (Q4): <1–4 GB

Im Detail

SmolLM2 und SmolLM3 sind Hugging Faces eigene Reihe kleiner Sprachmodelle von 135 Millionen bis 3 Milliarden Parametern – und anders als bei den meisten Modellen ist hier auch der Trainingsdatensatz offengelegt, was sie besonders interessant für alle macht, die verstehen wollen, wie ein LLM entsteht. SmolLM3 (3B) ist das stärkste Modell der Reihe: mehrsprachig und mit rudimentärer Reasoning-Fähigkeit, obwohl es unter 4 GB RAM läuft und selbst auf schwacher Hardware nutzbar ist. Für produktive Anwendungen sind stärkere Modelle wie Mistral 7B oder Ministral meist besser geeignet – SmolLM spielt seine Stärken vor allem beim Experimentieren, Fine-Tuning und Lernen aus.

Praxis-Tipp

Für erste Fine-Tuning-Versuche auf schwacher Hardware eignet sich das kleinste SmolLM2 (135M) am besten – Trainingszyklen dauern hier Minuten statt Stunden.

Siehe auch

• Mistral 7B
• Ministral

Lizenz & Quelle

• Lizenz: Apache-2.0
• Quelle: HF
• Quelle: Ollama