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。