CohereAI开源了2个Aya Vision多模态大模型：80亿和320亿两种规格多模态大模型，评测结果超越Qwen2.5 72B和Llama 3.2 90B，支持23种语言

Cohere For AI 推出了 Aya Vision 系列，这是一组包含 80 亿（8B）和 320 亿（32B）参数的视觉语言模型（VLMs）。这些模型针对多模态AI系统中的多语言性能挑战，支持23种语言。Aya Vision 基于 Aya Expanse 语言模型，并通过引入视觉语言理解扩展了其能力。该系列模型旨在提升同时需要文本和图像理解的任务性能。

Aya Vision的主要特点

• 多语言支持：覆盖23种语言，通过数据增强技术提升对弱势语言的性能。
• 多模态能力：支持图像描述生成、视觉问答（VQA）、文本生成以及图像到文本的翻译等任务。
• 模型规模：提供两种配置——Aya Vision 8B 和 Aya Vision 32B，在性能与计算效率之间提供不同的平衡选择。
• 动态图像分辨率处理：自动调整并将高分辨率图像分割为更小的部分，以提取更详细的图像特征。
• ：通过4倍压缩图像tokens，降低计算成本，同时保留关键信息。