Lahat ng ekipa ng AI sa negosyo ay makakarating sa parehong bottleneck: ang pagkuha ng magagamit na data mula sa PDFs. Ang mga dokumento ay kakaibang-maliwanag, ang mga talahanayan ay kakaiba, ang mga layout ay hindi pantay, at ang mga kasangkapan na talagang gumagana ay karaniwang nagbabayad nang parang alam nila na ikaw ay deseperado. Naniniwala si Cohere na mayroon silang mas mabuting alok.
Ipinakilala ng kumpanya ang Parse 5 noong Huwebes, isang vision language model na may 2.3-bilyong parameter na disenyo upang i-convert ang mga PDF, slides, at imahe sa structured Markdown. Ang pangako ay hindi na ito ang pinakatumpak na parser sa merkado. Ito ay sapat na tumpak habang sapat ring mura upang maaaring ipa-run sa malawakang iskala.
Ano ang tunay na ginagawa ng Parse 5
Ang Parse 5 (model ID: parse-v5.0) ay may bigat na humigit-kumulang sa 4.6 GB kasama ang 8K context window. Ito ay nilikha upang harapin ang mga uri ng dokumento na nagdudulot ng pagkabigo sa AI pipelines: mga kumplikadong tabla, mga nested na lista, mga porma, mga imahe na may mga caption, mga multi-column na layout, at mga hangganan ng pahina.
Ang mga talahanayan ay i-exports bilang HTML. Ang mga visual na elemento ay kasama ng mga bounding box. Pinanatili ang pagkakasunod-sunod ng pagbabasa, na mahalaga nang higit sa tila, dahil ang pagkakamali sa pagkakasunod-sunod ng mga parirala ay maaaring magdulot ng malaking pinsala sa isang downstream retrieval system.
Suporta ng modelo ang siyam na pangunahing komersyal na wika, na nagpapatotoo sa mga multinational na pagpapalaganap sa larangan ng finansya, insurans, batas, at agham. Kasama rin ni Cohere ang mga opsyon para sa ligtas na pag-deploy, isang pagkilala sa katotohanan na ang mga negosyo sa mga sektor na iyon ay hindi masaya na ipapadala ang mga sensitibong dokumento sa pamamagitan ng mga third-party API nang walang mga proteksyon.
Ang mga numero na mahalaga
Ang pricing ng API ay nagsisimula sa $1.50 bawat 1,000 na pahina. Para sa mga organisasyon na nagproseso ng mga dokumento sa malaking dami, ang Model Vault ng Cohere ay nag-aalok ng tiered discounts na nagmula sa 23% hanggang 61% depende sa paggamit.
Upang ilapat sa mga konkretong termino: I-estima ng Cohere na ang isang workflow na 13 milyong pahina kada buwan ay maaaring mag-save ng halos $144K gamit ang Model Vault kaysa sa direkta na API calls.
Ang throughput ay nasa 4.5 pahina kada segundo sa representative hardware. Ang bilis na ito ay nagpapahintulot sa iyo na makamit ang mga alternatibong open-source.
Sa benchmark na ParseBench ni Cohere, ang Parse 5 ay nakakuha ng average na 79.2. Ang pagpaparsing ng mga tabla ay nakamit ang 87.0, habang ang katotohanan, o kung gaano kakariktan ang output sa orihinal na dokumento, ay nasa 86.6.
Para sa konteksto, ang Mistral OCR 4 ay nakakuha ng 74.5 sa parehong benchmark. Ang LlamaParse Cost Effective ay nasa 78.3. Ang Parse 5 ay lumalampas sa parehong ito, bagaman ang Cohere ay nagpapahiwatig na ang mas malalaki at mas mahal na mga modelo ay patuloy na mas mabuti sa raw accuracy.
Kung saan ito nakakasali sa enterprise AI stack
Ipinapasa ang 5 plugs sa umiiral na ecosystem ni Cohere at nag-iintegrate sa Microsoft Foundry at AWS SageMaker. Mahalaga ang interoperability na ito dahil hindi karamihan sa mga enterprise ang bumubuo ng kanilang AI stacks mula sa zero. Sila ay nagdadagdag ng mga bagong tool sa umiiral na cloud infrastructure.
Ang modelo ay nakaposisyon din para sa mga agentic retrieval pipeline, ang lalong popular na arkitektura kung saan ang mga AI agent ay awtomatikong naghahanap sa mga repository ng dokumento upang makumpleto ang mga gawain. Ang mga workflow na ito ay karaniwang nagproseso ng malaking dami ng mga dokumento, kaya ang gastos bawat pahina ay isang mahalagang baryable na maaaring matukoy kung ang isang proyekto ay ekonomikong viablen o patay na agad.