Aya Vision 32B ist ein fortschrittliches visuell-sprachliches Modell von Cohere For AI mit 32 Milliarden Parametern, das 23 Sprachen unterstützt, darunter Englisch, Chinesisch und Arabisch. Das Modell kombiniert das neueste mehrsprachige Sprachmodell Aya Expanse 32B und den SigLIP2-Bildkodierer und nutzt einen multimodalen Adapter, um die Kombination von visuellem und sprachlichem Verständnis zu ermöglichen. Es zeichnet sich im Bereich der visuellen Sprache aus und kann komplexe Bild- und Textaufgaben wie OCR, Bildbeschreibung und visuelles Schließen verarbeiten. Die Veröffentlichung dieses Modells zielt darauf ab, die Verbreitung der multimodalen Forschung zu fördern, und seine Open-Source-Gewichte bieten Forschern weltweit ein leistungsstarkes Werkzeug. Das Modell unterliegt der CC-BY-NC-Lizenz und der Richtlinie zur angemessenen Nutzung von Cohere For AI.