Cohere выпустила новый визуальный ИИ Command A Vision, который работает с изображениями, диаграммами, PDF и другими типами визуальных данных. Компания утверждает, что модель показывает лучшие результаты на стандартных тестах по сравнению с GPT-4.1, Llama 4 Maverick, Pixtral Large и Mistral Medium 3.
В системе есть OCR, который распознает текст и структуру документов — например, счетов и форм — и выдает данные в виде структурированного JSON. Cohere отмечает, что Command A Vision может анализировать реальные фотографии, например, выявлять возможные риски на производстве.
Модель доступна через платформу Cohere и для исследований на Hugging Face. Локальный запуск возможен на двух GPU A100 или одной H100 с 4-битной квантованием.
