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 | 86 | 18.0 | LS |
Puntuaciones de benchmarks (LLM Stats)
(LLM Stats (zeroeval))3d
BLINK
52.7%Aut.
Communication
Multi-IF
37.3%Aut.
Finance
MMLU
50.4%Aut.
MMLU-Pro
30.7%Aut.
General
IFEvalGoogle Research (2023)
74.9%Aut.
MMStar
51.8%Aut.
MMMU (val)
32.9%Aut.
Grounding
RefCOCO-avg
0.73 / 100Aut.
Image To Text
DocVQADocVQA (2020)
92.1%Aut.
OCRBench
79.2%Aut.
OCRBench-V2 (en)
36.7%Aut.
Multimodal
ChartQAMasry et al. (2022)
80.8%Aut.
AI2D
77.5%Aut.
MMBench-V1.1
68.7%Aut.
InfoVQA
65.2%Aut.
CharXiv-D
60.0%Aut.
Reasoning
CountBench
0.72 / 100Aut.
Hallusion Bench
61.5%Aut.
Spatial Reasoning
RealWorldQA
62.2%Aut.
Índices de evaluación AA
(Artificial Analysis)No hay datos de evaluación AA disponibles
Puntuaciones por categoría LLM Stats
(LLM Stats (zeroeval))Spatial Reasoning70
Image To Text70
Grounding70
Multimodal60
Reasoning60
Structured Output60
Instruction Following60
General60
Vision60
3d50
Legal40
Math40
Language40
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