Setiap tim AI perusahaan pada akhirnya akan menghadapi hambatan yang sama: mendapatkan data yang berguna dari PDF. Dokumennya berantakan, tabelnya aneh, tata letaknya tidak konsisten, dan alat-alat yang benar-benar berfungsi cenderung mematok harga seolah mereka tahu Anda sedang putus asa. Cohere percaya memiliki penawaran yang lebih baik.
Perusahaan merilis Parse 5 pada hari Kamis, model bahasa visual dengan 2,3 miliar parameter yang dirancang untuk mengubah PDF, slide, dan gambar menjadi Markdown terstruktur. Argumen utamanya bukan bahwa ini adalah parser paling akurat di pasar, tetapi bahwa akurasinya cukup baik sambil tetap murah cukup untuk dijalankan secara skala besar.
Apa yang sebenarnya dilakukan Parse 5
Parse 5 (ID model: parse-v5.0) memiliki ukuran sekitar 4,6 GB dengan jendela konteks 8K. Dirancang untuk menangani jenis dokumen yang membuat pipeline AI kesulitan: tabel kompleks, daftar bersarang, formulir, gambar dengan keterangan, tata letak multi-kolom, dan batas halaman.
Tabel diekspor sebagai HTML. Elemen visual dilengkapi dengan kotak batas. Urutan membaca dipertahankan, yang lebih penting daripada yang terdengar, karena urutan paragraf yang salah dapat merusak sistem pengambilan data secara diam-diam.
Model ini mendukung sembilan bahasa komersial utama, yang memenuhi persyaratan untuk implementasi multinasional di bidang keuangan, asuransi, hukum, dan ilmiah. Cohere juga menawarkan opsi deploy yang aman, sebagai pengakuan terhadap kenyataan bahwa perusahaan di sektor tersebut tidak senang mengirim dokumen sensitif melalui API pihak ketiga tanpa pengaman.
Angka-angka yang penting
Harga API dimulai dari $1,50 per 1.000 halaman. Untuk organisasi yang memproses dokumen dalam volume besar, Model Vault Cohere menawarkan diskon bertingkat mulai dari 23% hingga 61% tergantung pada tingkat pemanfaatan.
Untuk menjadikannya lebih konkret: Cohere memperkirakan bahwa alur kerja sebanyak 13 juta halaman per bulan dapat menghemat sekitar $144K dengan menggunakan Model Vault daripada panggilan API langsung.
Throughput mencapai 4,5 halaman per detik pada perangkat keras representatif. Kecepatan ini membuatnya lebih unggul daripada beberapa alternatif open-source.
Pada benchmark ParseBench Cohere, Parse 5 mendapatkan rata-rata 79,2. Pemrosesan tabelnya mencapai 87,0, dan ketepatan, yang berarti seberapa akurat output mencerminkan dokumen sumber, berada di angka 86,6.
Sebagai konteks, Mistral OCR 4 mendapatkan skor 74,5 pada benchmark yang sama. LlamaParse Cost Effective berada di posisi 78,3. Parse 5 mengungguli keduanya, meskipun Cohere secara terbuka menyatakan bahwa model yang lebih besar dan lebih mahal masih mengunggulinya dalam akurasi mentah.
Di mana ini cocok dalam stack AI perusahaan
Parse 5 terintegrasi ke dalam ekosistem yang sudah ada di Cohere dan berinteroperasi dengan Microsoft Foundry dan AWS SageMaker. Interoperabilitas ini penting karena sebagian besar perusahaan tidak membangun tumpukan AI mereka dari awal. Mereka menggabungkan alat-alat baru ke infrastruktur cloud yang sudah ada.
Model ini juga dirancang untuk pipeline pengambilan agen, arsitektur yang semakin populer di mana agen AI secara mandiri mencari melalui repositori dokumen untuk menyelesaikan tugas. Alur kerja ini cenderung memproses volume dokumen yang sangat besar, sehingga biaya per halaman menjadi variabel kritis yang dapat menentukan apakah sebuah proyek layak secara ekonomi atau gagal sejak awal.