smolagents ahora soporta modelos de lenguaje con visión (VLM)

Resumen del corpus

Hugging Face anunció que smolagents ahora soporta modelos de lenguaje con visión (VLM), habilitando su uso nativo en pipelines agénticos. La actualización permite pasar imágenes al agente al inicio o dinámicamente mediante callbacks que registran capturas en cada paso. El artículo muestra cómo construir un agente de navegación web autónomo usando helium y selenium, con modelos como Qwen2VL-72B o GPT-4o.