North-Micro-Vision-Instruct
Cohere · CohereLabs/North-Micro-Vision-Instruct
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
Sem score comparável
Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.
Informado pelo publicador
- MMBench DEV_EN_V11
- 0,687
- MMStar
- 0,518
- RealWorldQA
- 0,622
- GQA TestDev_Balanced
- 0,574
- MTL MMBench_DEV
- 0,636
- MMMB
- 0,728
- BLINK
- 0,527
- ChartQA Test
- 0,808
Todos os resultados informados
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results); coluna “North-Micro-Vision-Instruct”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Roda em
Cabe na memória rápida 119
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 119
Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.
Cohere lançou North-Micro-Vision-Instruct em 2026-08-12: um modelo de visão e linguagem que responde sobre imagens, com 2,48B parâmetros pela contagem do Hugging Face e licença Apache 2.0. Idiomas declarados pelo publicador: en, de, fr, es, it, pt, hi, ja, ko, zh, ar.
Licença: uso comercial permitido. Em Q4 os pesos somam cerca de 1,9 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido.
Velocidade medida
Nenhuma medição publicada para este checkpoint
Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.
Como rodar
Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.
Biblioteca na fonte: transformers
Formas documentadas de rodar
Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.
uv pip install accelerate pillow "transformers==5.16.0"import torch
from transformers import AutoModelForImageTextToText, AutoProcessor
model_id = "CohereLabs/North-Micro-Vision-Instruct"
processor = AutoProcessor.from_pretrained(
model_id,
)
model = AutoModelForImageTextToText.from_pretrained(
model_id,
dtype="auto",
device_map="auto",
)
# To enable Flash Attention 2, load the model with the following settings:
# model = AutoModelForImageTextToText.from_pretrained(
# model_id,
# dtype=torch.bfloat16,
# attn_implementation="flash_attention_2",
# device_map="auto",
# )
image_url = "https://cdn-uploads.huggingface.co/production/uploads/66d732effe6684fc16b12c28/Io_5OCmftsmH-n158ZtPs.png"
messages = [
{
"role": "user",
"content": [
{"type": "image", "url": image_url},
{"type": "text", "text": "What do you see?"},
],
}
]
inputs = processor.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_tensors="pt",
return_dict=True,
).to(model.device)
outputs = model.generate(
**inputs,
max_new_tokens=128,
do_sample=True,
temperature=0.7,
top_p=0.8,
top_k=20,
)
generated_ids = [
output_ids[len(input_ids) :]
for input_ids, output_ids in zip(inputs.input_ids, outputs)
]
response = processor.batch_decode(
generated_ids,
skip_special_tokens=True,
clean_up_tokenization_spaces=False,
)[0]
print(response)Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- CohereLabs/North-Micro-Vision-Instruct
- Tarefa
- image-text-to-text
- Arquitetura
- CohereCompassForConditionalGeneration
- Biblioteca na fonte
- transformers
- Licença dos pesos
- Apache 2.0CohereLabs/North-Micro-Vision-Instruct model card (Hugging Face: "released under the Apache 2.0 license") · consultado em 2026-10-19fonte
- Uso comercial
- Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
- Idiomas
- en, de, fr, es, it, pt, hi, ja, ko, zh, arMetadados do model card · consultado em 2026-10-25fonte
- Lançamento
- Meet North Micro Vision: A 2.4B Native-Resolution Vision-Language Model (Hugging Face blog post by the publisher; JSON-LD datePublished) · consultado em 2026-10-19fonte secundária
Todos os campos guardados
- Revisão conferida
- fa548d9aa62c1220bfd21fc6cfc465f1bd2a1a40
- Arquitetura
- CohereCompassForConditionalGeneration
- Biblioteca
- transformers
- Tag de tarefa no Hub
- image-text-to-text
- Formatos
- transformers, safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Parâmetros no Hub
- 2.484.847.856safetensors.total
- Repositório criado
- 2026-08-10criação não é o lançamento do modelo
- Repositório atualizado
- 2026-09-30um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 35.947 · 154só este repositório · lido em 2026-10-25
- Estado no catálogo
- Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Ficha do publicador
- Licença: CohereLabs/North-Micro-Vision-Instruct model card (Hugging Face: "released under the Apache 2.0 license")
- Data de lançamento: Meet North Micro Vision: A 2.4B Native-Resolution Vision-Language Model (Hugging Face blog post by the publisher; JSON-LD datePublished) (fonte secundária)
Fatos curados verificados: 2026-10-19. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.






























































