Cohere выпустила North Micro Vision: модель читает страницу без сжатия картинки

Cohere Labs выложила North Micro Vision — модель на 2,4 млрд параметров, которая разбирает изображение вместе с текстом. Обычно картинку перед подачей в модель уменьшают, и мелкий текст, линии таблиц и подписи на графиках теряются.

Здесь пропорции сохраняются, а верхняя планка соответствует листу A4, отсканированному при 200 точках на дюйм. Это самая маленькая модель в линейке компании, и рассчитана она на разбор документов, где важна именно мелкая деталь.