2.4B 오픈 비전 모델 공개

CohereLabs가 2.4B 파라미터 규모의 오픈 웨이트 비전·언어 모델 North Micro Vision Instruct를 공개했다.

모델은 이미지의 종횡비와 세부 정보를 보존하는 native-resolution 처리를 지원하며, 다음 작업을 대상으로 한다.

• 시각 질의응답(VQA)과 이미지 캡션
• 시각적 grounding 및 공간 이해
• OCR, 차트·문서 이해와 구조화 정보 추출
• 다국어·다중 이미지 이해

전체 구성은 2B 파라미터 언어 모델과 400M 파라미터 비전 인코더로 이뤄졌다. 텍스트와 이미지가 섞인 입력을 처리하며, 영어·한국어·중국어·일본어 등 여러 언어를 지원한다.

언어 모델의 컨텍스트 윈도우는 128K 토큰이지만, 멀티모달 입력에서 검증된 범위는 최대 8K 토큰이다. 가중치는 Apache 2.0 라이선스로 제공돼 프로토타이핑과 태스크 특화 파인튜닝, 경량 멀티모달 애플리케이션 개발에 활용할 수 있다.

다만 대형 범용 챗봇의 대체재가 아닌 커스터마이징용 기반 모델이며, 별도의 reasoning 모델이 아니어서 수학과 코드 생성 능력에는 한계가 있다.