Aya Vision 32B

Aya Vision 32B erweitert Coheres multilingualen Aya-Ansatz um visuelle Eingaben. Das offene Vision-Language-Modell verarbeitet Text und Bilder und ist für OCR, Bildbeschreibung, visuelles Reasoning, Zusammenfassungen, visuelle Fragen und Code aus Bildern gedacht. Der Vision-Encoder basiert auf SigLIP2, während ein Adapter ihn mit dem Aya-Expanse-Sprachmodell verbindet.

Die Modellkarte nennt 23 Sprachen, 32 Milliarden Parameter und bis zu zwölf Bildkacheln plus Vorschaubild pro Anfrage. Die Ausgabe bleibt textbasiert. Aya Vision 8B ist die kleinere multimodale Familienvariante.