Cohere 發布 2.4B 視覺小模型 North Micro Vision

Cohere 開源了其最小的視覺語言模型 North Micro Vision，參數為 2.4B，採用 Apache 2.0 許可。該模型專注於文檔、表格、圖表、截圖和 OCR，能夠直接處理原始比例和解析度的圖片，無需先壓縮。模型由 2B 語言模型和 400M 視覺編碼器組成。在官方測試中，DocVQA 得分達到 92.1%，超過 Ministral 3 3B 的 89.6% 和 Gemma 4 E2B 的 73.2%，接近 Qwen3.5-2B 的 92.6%。視覺定位 RefCOCO 得分為 73.2%，同樣高於 Ministral 和 Gemma。然而，North Micro Vision 在多數通用視覺、OCR 和多模態基準上不及 Qwen3.5-2B，其優勢主要集中在文檔理解和視覺定位。此外，該模型不支持推理和工具調用，數學和代碼能力有限。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。