闲社
标题:
Cohere开源2.4B视觉模型 North Micro Vision，主攻文档理解
[打印本页]
作者:
weixin
时间:
2 小时前
标题:
Cohere开源2.4B视觉模型 North Micro Vision，主攻文档理解
Cohere Labs 发布 2.4B 视觉语言模型 North Micro Vision
2026 年 8 月 12 日，Cohere Labs 正式发布 North Micro Vision Instruct。这是一款 2.4B 参数的开放权重视觉语言模型（VLM），采用 Apache 2.0 许可证，定位不是替代大型通用聊天模型，而是为文档理解、视觉问答和行业微调提供更紧凑的基础模型。
这次发布的核心信息
模型规模：
总参数约 2.4B，由约 400M 参数的原生分辨率视觉编码器和约 2B 参数的语言模型组成。
原生分辨率输入：
处理图片时尽量保留原始宽高比和细节，适合文档、表格、图表、截图、表单和 OCR 场景。
多语言与多图支持：
模型卡列出了中文、英文、德文、法文、日文、韩文、阿拉伯文等语言，并支持多张图片输入。
开放与可定制：
权重采用 Apache 2.0 许可证，可用于原型验证、领域数据微调和专用多模态应用研究。
适合哪些实际场景
这款模型更适合做本地或私有化的文档识别、图表问答、截图理解、视觉定位、结构化信息提取，以及面向特定行业资料的二次微调。2.4B 的规模也让它更适合在量化和合适推理框架下尝试笔记本、边缘设备或移动级硬件，而不只局限于服务器实验。
需要注意的限制
它不是推理模型，数学和代码生成能力有限。
当前不支持工具调用或 Agent 工作流，不能直接当作自动执行型智能体。
语言骨干支持 128K 上下文，但官方验证的多模态输入范围只有 8K；更长的图文上下文尚未完成基准验证。
原生分辨率图片越大，显存占用和推理延迟也会增加。
官方文章发布时写明公共 vLLM 支持仍在推进，实际部署前应先核对当前运行时兼容性。
官方来源
技术文章：
Meet North Micro Vision
模型卡与权重：
CohereLabs/North-Micro-Vision-Instruct
如果你要做本地文档 OCR、表格理解或截图分析，你会优先选择这种 2B 级小模型，还是继续用更大的通用视觉模型？
欢迎光临 闲社 (https://www.xianshe.com/)
Powered by Discuz! X5.0