Cohere مدل کوچک بصری 2.4B North Micro Vision را منتشر کرد

Cohere مدل زبان بصری کوچک‌ترین خود به نام North Micro Vision را با 2.4B پارامتر و تحت مجوز Apache 2.0 منتشر کرد. این مدل بر روی اسناد، جداول، نمودارها، اسکرین‌شات‌ها و OCR تمرکز دارد و می‌تواند تصاویر را به صورت مستقیم با نسبت و وضوح اصلی پردازش کند، بدون نیاز به فشرده‌سازی اولیه. این مدل از 2B مدل زبانی و 400M کدگذار بصری تشکیل شده است. در آزمایش‌های رسمی، نمره DocVQA به 92.1% رسید که بالاتر از 89.6% مدل Ministral 3 3B و 73.2% مدل Gemma 4 E2B است و به 92.6% مدل Qwen3.5-2B نزدیک است. نمره موقعیت‌یابی بصری RefCOCO نیز 73.2% بود که باز هم بالاتر از Ministral و Gemma است. با این حال، North Micro Vision در اکثر معیارهای بصری عمومی، OCR و چندمدلی از Qwen3.5-2B ضعیف‌تر است و مزیت‌های آن عمدتاً بر روی درک اسناد و موقعیت‌یابی بصری متمرکز است. علاوه بر این، این مدل از استدلال و فراخوانی ابزار پشتیبانی نمی‌کند و توانایی‌های ریاضی و کدنویسی محدودی دارد.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.