मुख्य सामग्री पर जाएं

North Micro Vision Instruct

Cohereओपन वेटApache 2.0 · व्यावसायिक उपयोग

विवरण

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.

रिलीज़ तिथि
2026-08-12
पैरामीटर
2.4B
संदर्भ लंबाई
मोडैलिटीज़

क्षमता रडार

60
general
0
coding
40
reasoning
34
scienceअनुमानित
28
agents
70
multimodal

समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science का अनुमान LLM Stats विज्ञान स्कोर या तर्क से लगाया जाता है।

रैंकिंग

डोमेन#रैंकस्कोरस्रोत
मल्टीमॉडल रैंकिंग86
18.0
LS

बेंचमार्क स्कोर (LLM Stats)

(LLM Stats (zeroeval))

3d

BLINK52.7%स्वयं

Communication

Multi-IF37.3%स्वयं

Finance

MMLU50.4%स्वयं
MMLU-Pro30.7%स्वयं

General

IFEvalGoogle Research (2023)74.9%स्वयं
MMStar51.8%स्वयं
MMMU (val)32.9%स्वयं

Grounding

RefCOCO-avg0.73 / 100स्वयं

Image To Text

DocVQADocVQA (2020)92.1%स्वयं
OCRBench79.2%स्वयं
OCRBench-V2 (en)36.7%स्वयं

Multimodal

ChartQAMasry et al. (2022)80.8%स्वयं
AI2D77.5%स्वयं
MMBench-V1.168.7%स्वयं
InfoVQA65.2%स्वयं
CharXiv-D60.0%स्वयं

Reasoning

CountBench0.72 / 100स्वयं
Hallusion Bench61.5%स्वयं

Spatial Reasoning

RealWorldQA62.2%स्वयं

AA मूल्यांकन सूचकांक

(Artificial Analysis)

कोई AA मूल्यांकन डेटा उपलब्ध नहीं

LLM Stats श्रेणी स्कोर

(LLM Stats (zeroeval))
Spatial Reasoning
70
Image To Text
70
Grounding
70
Multimodal
60
Reasoning
60
Structured Output
60
Instruction Following
60
General
60
Vision
60
3d
50
Legal
40
Math
40
Language
40
Finance
40
Healthcare
40
Communication
40

मूल्य निर्धारण

कोई मूल्य डेटा उपलब्ध नहीं

गति

कोई गति डेटा उपलब्ध नहीं

प्रदाता मूल्य रैंकिंग

कोई प्रदाता डेटा उपलब्ध नहीं

बाहरी लिंक