CohereLabs가 2.4B 파라미터 규모의 오픈 웨이트 비전-언어 모델 'North Micro Vision Instruct'를 공개했어요. 이 모델은 원본 해상도 이미지 지원과 Apache 2.0 라이선스를 특징으로 합니다. 다양한 시각적 이해 능력(VQA, 캡셔닝, 객체 지칭 등)을 제공하며, 다국어 및 다중 이미지 지원도 가능해요. 연구 개발 및 특정 작업에 맞춘 파인튜닝에 적합하도록 설계됐어요.
원본 해상도 이미지 처리를 통해 가로 세로 비율과 미세한 시각적 디테일을 보존하며, 128K 토큰의 컨텍스트 윈도우를 지원하지만, 멀티모달 프롬프트의 검증된 작동 범위는 최대 8K 토큰이에요. 더 긴 멀티모달 컨텍스트는 외삽법에 의존하며, 벤치마크되지 않았어요.
이 모델은 더 큰 범용 챗 어시스턴트의 대체재가 아니며, 추론 모델도, 수학/코드 생성 능력도 제한적이에요. 시스템 프롬프트 사용은 권장되지 않지만, 챗 템플릿은 시스템 역할을 지원해요.
모델 가중치는 Apache 2.0 라이선스 하에 공개되어 있어, 프로토타입 제작, 작업별 파인튜닝, 특수 멀티모달 애플리케이션에 활용할 수 있어요.