Namo-R1 是一个开源的小型多模态大语言模型（MLLM）项目，主打在极小参数量下实现可用的视觉语言理解能力。首个模型系列 Namo-500M 仅有 5 亿参数，可以在 CPU 上直接运行，项目方称其在相同规模下超过了 SmolVLM 和 Moondream2。
用途方面，Namo-R1 面向希望在边缘设备或缺乏 GPU 的环境中运行视觉语言模型，以及希望从零训练自己 MLLM 的研究者和开发者。项目强调完全开源，包括训练数据整理流程、模型架构与训练调度器，以便复现 AI 研究。
主要能力包括：CPU 友好，在 CPU 上也能较快运行；支持多语言 OCR，覆盖中英文及日文等其他语言；通用概念理解；图像描述（image captioning）；原生动态分辨率输入，可适应任意长宽比的图像；支持 R1 用于后训练（post-training）；以及面向未来音频（ASR/TTS）和跨模态融合的可扩展设计。
使用方式方面，项目提供简单的 demo，可在终端中运行 python demo.py 进行 CLI 多轮聊天，之后可以在本地获得类似 OpenAI 的服务接口。命令行直接运行 Namo cli 的功能据称后续提供。训练方面，项目开源了全部模型代码、训练步骤和脚本，并支持使用 SigLIP2 作为视觉编码器进行训练。
适用场景包括：无 GPU 环境下运行视觉语言模型、边缘部署、多语言 OCR、图像理解与描述、以及从零训练或后训练小型 MLLM 的研究工作。
限制方面，项目方明确表示当前测试仅在有限数量的基准上进行，未来会报告更多指标；更大规模的模型（最高到 7B）以及更多视觉编码器仍在训练计划中。使用 deepspeed 时若遇到“no_sync context manager is incompatible with gradient partitioning logic of ZeRO stage 2”错误，建议将 transformers 升级到 4.48+ 并使用最新版 deepspeed。代码以 MIT 许可证发布，版权归 Namo 作者所有。若需加入社区，可访问其 Discord：https://discord.gg/5ftPBVspXj 。
