​Cohere發佈全新多模態AI模型Aya Vision，提供32B和8B兩個版本

人工智能初創公司 Cohere 的非營利研究實驗室本週發佈了一款多模態 “開放” AI 模型 ——Aya Vision。該實驗室聲稱，該模型在行業內處於領先地位。

Aya Vision 能夠執行多項任務，包括撰寫圖片說明、回答與照片相關的問題、翻譯文本以及生成23種主要語言的摘要。Cohere 表示，他們通過 WhatsApp 免費提供 Aya Vision，希望能讓世界各地的研究人員更方便地獲取技術突破。

Cohere 在其博客中指出，儘管人工智能已經取得了顯著進展，但在不同語言之間的模型表現仍存在很大差距，尤其是在涉及文本和圖像的多模態任務中。“Aya Vision 的目標就是幫助縮小這一差距。”

Aya Vision 有兩個版本:Aya Vision32B 和 Aya Vision8B。更爲先進的 Aya Vision32B 被稱爲 “新邊界”，在某些視覺理解基準測試中表現超越了體量爲其兩倍的模型，包括 Meta 的 Llama-3.290B Vision。同時，Aya Vision8B 在某些評估中表現也優於一些體量爲其十倍的模型。

這兩個模型在 AI 開發平臺 Hugging Face 上以 Creative Commons4.0許可證的形式提供，用戶需遵循 Cohere 的可接受使用附錄，且不可用於商業應用。

Cohere 表示，Aya Vision 的訓練採用了一種 “多樣化的” 英語數據集，實驗室將這些數據集翻譯後，使用合成標註進行訓練。合成標註是指由 AI 生成的標註，有助於模型在訓練過程中理解和解釋數據。儘管合成數據存在潛在缺點，但像 OpenAI 等競爭對手也在越來越多地使用合成數據來訓練模型。

Cohere 指出，使用合成標註訓練 Aya Vision 使得他們能夠減少資源的使用，同時仍能取得競爭力的表現。“這展示了我們對效率的重視，利用更少的計算資源實現更多成果。”

爲了進一步支持研究界，Cohere 還發布了一套新的基準評估工具 ——AyaVisionBench，旨在考察模型在視覺與語言結合任務中的能力，如識別兩張圖像的差異和將屏幕截圖轉換爲代碼。

當前，人工智能行業正面臨所謂的 “評估危機”，這主要源於流行基準的廣泛使用，這些基準的總分與大多數 AI 用戶關心的任務的能力相關性較差。Cohere 聲稱，AyaVisionBench 爲評估模型的跨語言和多模態理解提供了一個 “廣泛且具有挑戰性” 的框架。

官方博客:https://cohere.com/blog/aya-vision

劃重點:  

🌟 Aya Vision 模型被 Cohere 稱爲行業最佳，能夠執行多種語言和視覺任務。  

💡 Aya Vision 有兩個版本，分別爲32B 和8B，表現超越體量更大的競爭模型。  

🔍 Cohere 還發布了新的基準評估工具 AyaVisionBench，旨在改善 AI 模型評估問題。