Глубокое понимание документов обычно требует больших моделей, работающих в облаке. Cohere представила North Micro Vision — свою самую компактную визуально-языковую модель, которая меняет этот подход: она весит 2.4B параметров, доступна по лицензии Apache 2.0 и может работать на граничных устройствах, включая телефоны.
North Micro Vision — это 2.4B-параметровая VLM, самая маленькая в линейке Cohere, с языковым бэкбоном на 2B параметров и визуальным энкодером на 400M. Она оптимизирована для глубокого понимания документов, включая таблицы, графики и формы, а также для визуальных вопросов и ответов (VQA). Модель поддерживает нативное разрешение изображений, сохраняя пропорции и мелкие детали. Её веса доступны на Hugging Face под лицензией Apache 2.0, что позволяет использовать её для исследований и разработки приложений, в том числе локально. Cohere заявляет о высокой производительности North Micro Vision в бенчмарках визуального понимания, особенно для задач, связанных с документами.
Ключевая особенность North Micro Vision — возможность тонкой настройки под конкретные сценарии и типы документов. Это позволяет адаптировать модель для задач понимания документов и затем развернуть её на различных граничных устройствах, таких как ноутбуки и мобильные платформы. Cohere подчёркивает, что открытая лицензия и возможность запуска на собственном железе являются частью их стратегии «суверенного ИИ».
Выпуск North Micro Vision показывает, что Cohere делает ставку на компактные, открытые модели, которые могут работать вне облака. Это позволяет разработчикам не только адаптировать ИИ под свои нужды, но и обрабатывать конфиденциальные данные локально, что важно для корпоративного сектора. Однако независимых подтверждений производительности на граничных устройствах или реальных кейсов внедрения пока нет.