Cohere 发布 2.4B 视觉小模型 North Micro Vision

Cohere 开源了其最小的视觉语言模型 North Micro Vision，参数为 2.4B，采用 Apache 2.0 许可。该模型专注于文档、表格、图表、截图和 OCR，能够直接处理原始比例和分辨率的图片，无需先压缩。模型由 2B 语言模型和 400M 视觉编码器组成。在官方测试中，DocVQA 得分达到 92.1%，超过 Ministral 3 3B 的 89.6% 和 Gemma 4 E2B 的 73.2%，接近 Qwen3.5-2B 的 92.6%。视觉定位 RefCOCO 得分为 73.2%，同样高于 Ministral 和 Gemma。然而，North Micro Vision 在多数通用视觉、OCR 和多模态基准上不及 Qwen3.5-2B，其优势主要集中在文档理解和视觉定位。此外，该模型不支持推理和工具调用，数学和代码能力有限。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。