North Micro Vision Instruct
CohereOpen WeightApache 2.0 · Uso Comercial
Descripción
Compact open-weight vision-language model (2.4B) with native-resolution image support for VQA, captioning, grounding, OCR, charts, and documents. Custom 400M SigLIP 2-based vision encoder + 2B North Micro LLM backbone (Command A+ style). Multilingual and multi-image. LM context 128K; multimodal training validated to 8K. Not a reasoning/tool-calling model. Intended for prototyping and fine-tuning.
Fecha de lanzamiento
2026-08-12
Parámetros
2.4B
Longitud del contexto
—
Modalidades
—
Radar de capacidades
60
general
0
coding
40
reasoning
34
scienceest.
28
agents
70
multimodal
Science se estima a partir de las puntuaciones científicas de LLM Stats o del razonamiento cuando no hay benchmarks científicos dedicados.
Rankings
| Dominio | #Posición | Puntuación | Fuente |
|---|---|---|---|
| Ranking multimodal | 148 | 12.0 | LS |
Puntuaciones de benchmarks (LLM Stats)
(LLM Stats (zeroeval))Chat
IFEvalGoogle Research (2023)
74.9%Aut.
Multi-IF
37.3%Aut.
General
MMLU
50.4%Aut.
Language
MMLU-Pro
30.7%Aut.
Reasoning
ChartQAMasry et al. (2022)
80.8%Aut.
CharXiv-D
60.0%Aut.
Vision
DocVQADocVQA (2020)
92.1%Aut.
OCRBench
79.2%Aut.
AI2D
77.5%Aut.
RefCOCO-avg
0.73 / 100Aut.
CountBench
0.72 / 100Aut.
MMBench-V1.1
68.7%Aut.
InfoVQA
65.2%Aut.
RealWorldQA
62.2%Aut.
Hallusion Bench
61.5%Aut.
BLINK
52.7%Aut.
MMStar
51.8%Aut.
OCRBench-V2 (en)
36.7%Aut.
MMMU (val)
32.9%Aut.
Índices de evaluación AA
(Artificial Analysis)No hay datos de evaluación AA disponibles
Puntuaciones por categoría LLM Stats
(LLM Stats (zeroeval))Image To Text70
Spatial Reasoning70
Grounding70
Chat60
Instruction Following60
Multimodal60
Reasoning60
Structured Output60
General60
Vision60
3d50
Language40
Legal40
Math40
Finance40
Healthcare40
Communication40
Precios
No hay datos de precios disponibles
Velocidad
No hay datos de velocidad disponibles
Ranking de Precios por Proveedor
No hay datos de proveedores disponibles