根據動察 Beating 監測,Cohere 開源了目前自家最小的視覺語言模型 North Micro Vision,只有 2.4B 參數,採用 Apache 2.0 許可。它主攻文件、表格、圖表、截圖和 OCR,可以直接處理原始比例和解析度的圖片,不必先壓成固定尺寸。
模型由 2B 語言模型和 400M 視覺編碼器組成。官方測試中,DocVQA 得分達到 92.1%,超過 Ministral 3 3B 的 89.6% 和 Gemma 4 E2B 的 73.2%,距離 Qwen3.5-2B 的 92.6% 也很近。視覺定位 RefCOCO 得分 73.2%,同樣明顯高於 Ministral 和 Gemma。
不過它並非同尺寸最強模型。Qwen3.5-2B 在多數通用視覺、OCR 和多模態基準上仍更強,North Micro Vision 的優勢更集中在文件理解和視覺定位。它也不是推理模型,不支持工具呼叫,數學和程式碼能力有限。