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 Antwort auf die Frage, wie klein ein brauchbares Sprachmodell sein kann – und zwar vollständig transparent: Trainingsdaten, Rezepte und Auswertungen sind offengelegt, nicht nur die Gewichte. Die Reihe reicht von 135M bis 3B Parametern. Besonders SmolLM3 sticht heraus: Es ist mehrsprachig, unterstützt einen Reasoning-Modus und läuft trotzdem noch auf bescheidener Hardware unter 4 GB. Für Produktionsanwendungen sind größere Modelle wie Qwen 3 oder Llama 3.1 meist die bessere Wahl, aber zum Verstehen, wie Trainingsdaten Modellverhalten prägen, oder für Experimente auf Raspberry Pi & Co. ist die SmolLM-Reihe eine der ehrlichsten Optionen am Markt.

Praxis-Tipp

Für Reasoning-Tests SmolLM3 mit einer mehrschrittigen Matheaufgabe anstoßen und im Reasoning-Modus die Zwischenschritte mitverfolgen.

Siehe auch

• Ministral

Lizenz & Quelle

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