Aya Vision 32B 是由 Cohere For AI 開發的先進視覺語言模型，擁有 320 億參數，支持 23 種語言，包括英語、中文、阿拉伯語等。該模型結合了最新的多語言語言模型 Aya Expanse 32B 和 SigLIP2 視覺編碼器，通過多模態適配器實現視覺與語言理解的結合。它在視覺語言領域表現出色，能夠處理複雜的圖像與文本任務，如 OCR、圖像描述、視覺推理等。該模型的發佈旨在推動多模態研究的普及，其開源權重為全球研究人員提供了強大的工具。該模型遵循 CC-BY-NC 許可證，並需遵守 Cohere For AI 的合理使用政策。