จากข้อมูลการติดตามของ Beating ข่าว Cohere ได้เปิดตัวโมเดลวิทัศน์-ภาษาขนาดเล็กที่สุดของตนเองในขณะนี้ชื่อ North Micro Vision ซึ่งมีพารามิเตอร์เพียง 2.4B พร้อมใช้สัญญาอนุญาต Apache 2.0 โดยมุ่งเน้นการทำงานกับเอกสาร ตาราง กราฟ ภาพหน้าจอ และ OCR สามารถประมวลผลภาพที่มีอัตราส่วนและความละเอียดดั้งเดิมได้โดยตรง โดยไม่ต้องบีบอัดให้เป็นขนาดคงที่ก่อน
โมเดลประกอบด้วยโมเดลภาษาขนาด 2B และตัวเข้ารหัสวิทัศน์ขนาด 400M ในการทดสอบอย่างเป็นทางการ คะแนน DocVQA อยู่ที่ 92.1% สูงกว่า Ministral 3 3B ที่ได้ 89.6% และ Gemma 4 E2B ที่ได้ 73.2% และใกล้เคียงกับ Qwen3.5-2B ที่ได้ 92.6% ส่วนคะแนนการระบุตำแหน่งวิทัศน์ RefCOCO อยู่ที่ 73.2% ซึ่งสูงกว่า Ministral และ Gemma อย่างชัดเจนเช่นกัน
อย่างไรก็ตาม มันไม่ใช่โมเดลที่แข็งแกร่งที่สุดในขนาดเดียวกัน Qwen3.5-2B ยังคงเหนือกว่าในเกณฑ์มาตรฐานวิทัศน์ทั่วไป OCR และมัลติโมดัลส่วนใหญ่ จุดแข็งของ North Micro Vision เน้นไปที่การเข้าใจเอกสารและการระบุตำแหน่งวิทัศน์มากกว่า และมันไม่ใช่โมเดลสำหรับการให้เหตุผล ไม่รองรับการเรียกใช้เครื่องมือ และความสามารถด้านคณิตศาสตร์และโค้ดมีจำกัด
