Presentación de North Micro Vision: un modelo de lenguaje visual de 2.4B con resolución nativa

CohereLabs ha lanzado North-Micro-Vision-Instruct, un modelo de lenguaje visual (VLM) de código abierto con 2.400 millones de parámetros y soporte para imágenes de resolución nativa, bajo la licencia Apache 2.0. Este modelo, el VLM más pequeño de Cohere hasta la fecha, está diseñado para aplicaciones multimodales especializadas, combinando amplias capacidades de comprensión de imágenes con un tamaño compacto. Su arquitectura de tres partes incluye un codificador de visión de resolución nativa, un proyector y un modelo de lenguaje compacto, entrenado en cuatro etapas para optimizar la comprensión de documentos y la capacidad de conexión visual. North Micro Vision ofrece rendimiento competitivo en diferentes tareas visuales y es apto para entornos locales y dispositivos edge.