动察 Beating 监测ine göre, Cohere şu anda kendi bünyesindeki en küçük görsel dil modeli olan North Micro Vision'ı açık kaynak olarak yayınladı. Yalnızca 2,4B parametreye sahip ve Apache 2.0 lisansı kullanıyor. Bu model; belgeler, tablolar, grafikler, ekran görüntüleri ve OCR üzerine odaklanıyor ve görüntüleri sabit bir boyuta küçültmek zorunda kalmadan doğrudan orijinal oran ve çözünürlükte işleyebiliyor.
Model, 2B dil modeli ve 400M görsel kodlayıcıdan oluşuyor. Resmi testlerde DocVQA puanı %92,1'e ulaşarak Ministral 3 3B'nin %89,6'sını ve Gemma 4 E2B'nin %73,2'sini geride bıraktı; Qwen3.5-2B'nin %92,6'sına da oldukça yaklaştı. Görsel konumlandırma RefCOCO puanı %73,2 ile Ministral ve Gemma'dan belirgin şekilde daha yüksek.
Ancak bu, aynı boyuttaki en güçlü model değil. Qwen3.5-2B, genel görsel, OCR ve çok modlu kıyaslamaların çoğunda hâlâ daha güçlü; North Micro Vision'ın avantajı daha çok belge anlama ve görsel konumlandırmada yoğunlaşıyor. Ayrıca bir akıl yürütme modeli değil, araç çağrısını desteklemiyor ve matematik ile kodlama yetenekleri sınırlı.
