코히어와 코히어 랩스가 2026년 8월 12일 개방형 가중치 비전언어모델(VLM) ‘North Micro Vision Instruct’를 공개했다. 총 24억 파라미터 규모이며 아파치 2.0 라이선스로 배포된다. 이 모델은 문서와 표, 차트, 양식의 원래 가로세로 비율과 작은 글자 정보를 유지하는 네이티브 해상도 처리를 핵심으로 삼았다. 모든 이미지를 작은 정사각형으로 먼저 줄이는 방식보다 문서 배치와 세부 요소를 보존하는 데 초점을 맞춘 설계다.
구성은 4억 파라미터 비전 인코더와 20억 파라미터 언어 모델, 두 요소를 연결하는 프로젝터로 나뉜다. 언어 모델 본체의 컨텍스트 윈도는 128K 토큰이지만, 코히어가 학습·검증 범위로 명시한 멀티모달 문맥은 8K 토큰까지다. 8K를 넘는 이미지·텍스트 조합은 외삽에 의존할 수 있고 벤치마크가 이뤄지지 않았다는 의미다. 공식 모델 카드는 영어와 한국어, 일본어, 중국어, 아랍어 등 다국어 입력과 여러 이미지 입력을 지원한다고 설명한다.
| 확인 항목 | 공개 사양 | 실사용 판단 |
|---|---|---|
| 모델 규모 | 총 24억, 비전 4억·언어 20억 파라미터 | 특화 미세조정과 배포 실험에 초점을 둔다 |
| 문서 입력 | A4 200dpi 기준 최대 1654×2339픽셀로 학습 | 작은 글자와 원본 비율 보존을 시험할 수 있다 |
| 문맥 범위 | 언어 본체 128K, 검증된 멀티모달 8K 토큰 | 긴 문서는 페이지 분할과 원문 대조가 필요하다 |
| 라이선스·배포 | 아파치 2.0, 공개 가중치 | 호스팅 비용과 운영 자원은 별도로 계산해야 한다 |
실제 활용처는 송장과 신청서의 OCR(광학문자인식), 문서 질의응답, 표·차트 해석, 이미지 속 객체 위치 확인, 여러 이미지 비교다. 비전 인코더 학습은 해상도를 384×384픽셀에서 1024×1024픽셀, 마지막에는 A4 200dpi에 해당하는 최대 1654×2339픽셀까지 높였다. 따라서 한국어 문서에도 적용을 시험할 수 있지만, 지원 언어 표시는 특정 서식이나 흐린 스캔에서의 정확도를 보증하지 않는다. 기업은 자사 문서 표본으로 누락과 오인식, 표 구조 복원 여부를 먼저 측정해야 한다.
배포 단계의 제약도 남아 있다. 코히어 모델 카드는 공개 vLLM 지원을 ‘예정’으로 표시했고, NVIDIA NeMo AutoModel 문서는 이 모델을 불러올 때 아직 상위 라이브러리에 등록되지 않은 구조 때문에 원격 코드를 신뢰하는 설정이 필요하다고 확인한다. NVIDIA 문서는 패키지와 트랜스포머 버전 사이의 불일치도 별도 설치가 필요한 항목으로 적었다. 공개 가중치와 아파치 라이선스는 모델 사용 권한을 넓히지만 서버·GPU·보안 검토 비용까지 없애지는 않는다. 코히어가 제시한 벤치마크는 개발사 평가이므로, 운영 투입 전에는 독립 시험과 원문 대조 절차를 두는 편이 안전하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
