Hugging Face近日发布iOS应用HuggingSnap，用户无需依赖云端服务器，即可在设备端通过AI生成视觉描述。该应用基于轻量级多模态模型smolVLM2，参数规模从2.56亿至22亿不等，所有计算均在本地完成，确保用户隐私安全。

smolVLM2专为移动设备优化，能够高效处理图像和视频分析任务，但准确率略低于云端大模型。小型模型适用于基础任务，而大型模型则提供更精准解析，但可能增加设备发热和耗电。

HuggingSnap支持复杂场景描述、多语言文字识别等功能，还可辅助视障人士独立导航。Hugging Face强调“隐私设计优先”，用户数据仅存储于本地设备，不与第三方共享。