Cohere 发布参数量达 24 亿的视觉模型 North Micro Vision,在 DocVQA 上击败参数量达 30 亿的 Ministral 3 模型

据 Beating 报道,Cohere 发布了 North Micro Vision,这是一款拥有 24 亿参数、针对文档理解和视觉定位进行优化的开源视觉语言模型。该模型由一个 20 亿参数的语言组件和一个 4 亿参数的视觉编码器组成。

在基准测试中,North Micro Vision 在 DocVQA 上的准确率达到 92.1%,超过 Ministral 3 30 亿的 89.6% 和 Gemma 4 E2B 的 73.2%。在视觉定位任务中,其在 RefCOCO 上的得分为 73.2%,同样优于竞品模型。该模型以 Apache 2.0 许可证发布。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论