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 | #रैंक | स्कोर | स्रोत |
|---|---|---|---|
| मल्टीमॉडल रैंकिंग | 146 | 12.0 | LS |
बेंचमार्क स्कोर (LLM Stats)
(LLM Stats (zeroeval))Chat
IFEvalGoogle Research (2023)
74.9%स्वयं
Multi-IF
37.3%स्वयं
General
MMLU
50.4%स्वयं
Language
MMLU-Pro
30.7%स्वयं
Reasoning
ChartQAMasry et al. (2022)
80.8%स्वयं
CharXiv-D
60.0%स्वयं
Vision
DocVQADocVQA (2020)
92.1%स्वयं
OCRBench
79.2%स्वयं
AI2D
77.5%स्वयं
RefCOCO-avg
0.73 / 100स्वयं
CountBench
0.72 / 100स्वयं
MMBench-V1.1
68.7%स्वयं
InfoVQA
65.2%स्वयं
RealWorldQA
62.2%स्वयं
Hallusion Bench
61.5%स्वयं
BLINK
52.7%स्वयं
MMStar
51.8%स्वयं
OCRBench-V2 (en)
36.7%स्वयं
MMMU (val)
32.9%स्वयं
AA मूल्यांकन सूचकांक
(Artificial Analysis)कोई AA मूल्यांकन डेटा उपलब्ध नहीं
LLM Stats श्रेणी स्कोर
(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
मूल्य निर्धारण
कोई मूल्य डेटा उपलब्ध नहीं
गति
कोई गति डेटा उपलब्ध नहीं
प्रदाता मूल्य रैंकिंग
कोई प्रदाता डेटा उपलब्ध नहीं