Setiap pasukan AI perusahaan akhirnya menghadapi halangan yang sama: mendapatkan data yang berguna daripada PDF. Dokumen-dokumen itu kacau, jadual-jadualnya aneh, susunan layoutnya tidak konsisten, dan alat-alat yang benar-benar berfungsi cenderung menagih seperti mereka tahu anda putus asa. Cohere percaya ia mempunyai tawaran yang lebih baik.
Syarikat tersebut melancarkan Parse 5 pada hari Khamis, model bahasa penglihatan dengan 2.3 bilion parameter yang direka untuk menukar PDF, slaid, dan gambar menjadi Markdown berstruktur. Penawarannya bukan bahawa ia adalah parser paling tepat di pasaran, tetapi bahawa ia cukup tepat sambil cukup murah untuk dijalankan pada skala besar.
Apa yang sebenarnya dilakukan Parse 5
Parse 5 (ID model: parse-v5.0) beratnya kira-kira 4.6 GB dengan jendela konteks 8K. Ia direka untuk menangani jenis dokumen yang menyebabkan saluran AI terhenti: jadual kompleks, senarai bersarang, borang, gambar dengan keterangan, susunan multi-kolom, dan sempadan halaman.
Jadual dieksport sebagai HTML. Elemen visual disertai kotak pengikat. Urutan bacaan dikekalkan, yang lebih penting daripada yang terdengar, kerana mendapatkan perenggan dalam urutan yang salah boleh merosakkan sistem pengambilan seterusnya secara senyap.
Model ini menyokong sembilan bahasa komersial utama, yang memenuhi syarat untuk pelaksanaan antarabangsa dalam bidang kewangan, insurans, undang-undang, dan saintifik. Cohere juga menawarkan pilihan pelaksanaan selamat, sebagai pengiktirafan terhadap kenyataan bahawa perusahaan di sektor-sektor tersebut tidak gembira menghantar dokumen sensitif melalui API pihak ketiga tanpa pengawal.
Nombor-nombor yang penting
Harga API bermula pada $1.50 setiap 1,000 halaman. Untuk organisasi yang memproses dokumen dalam jumlah besar, Model Vault Cohere menawarkan diskaun bertingkat antara 23% hingga 61% bergantung kepada penggunaan.
Untuk menyatakannya dalam istilah yang nyata: Cohere menganggarkan bahawa alur kerja 13 juta halaman sebulan boleh menjimatkan kira-kira $144K dengan menggunakan Model Vault berbanding panggilan API terus.
Kapasiti aliran mencapai 4.5 muka surat per saat pada peranti mewakili. Kelajuan ini menjadikannya lebih pantas daripada beberapa alternatif sumber terbuka.
Dalam ujian ParseBench Cohere, Parse 5 mencapai purata 79.2. Pemecahan jadualnya mencapai 87.0, dan ketepatan, yang bermaksud sejauh mana output mencerminkan dokumen sumber, berada pada 86.6.
Sebagai konteks, Mistral OCR 4 mendapat skor 74.5 pada benchmark yang sama. LlamaParse Cost Effective berada di 78.3. Parse 5 mengungguli keduanya, walaupun Cohere secara terbuka menyatakan bahawa model yang lebih besar dan lebih mahal masih mengunggulinya dalam ketepatan mentah.
Di mana ini berada dalam tangga AI perusahaan
Parse 5 disambungkan ke ekosistem sedia ada Cohere dan diintegrasikan dengan Microsoft Foundry dan AWS SageMaker. Interoperabilitas ini penting kerana kebanyakan perusahaan tidak membina tumpuan AI mereka dari awal. Mereka memasang alat-alat baharu ke atas infrastruktur awan yang sedia ada.
Model ini juga dirancang untuk saluran pengambilan agen, arsitektur yang semakin popular di mana agen AI secara autonom mencari melalui repositori dokumen untuk menyelesaikan tugas. Alur kerja ini cenderung memproses jumlah dokumen yang sangat besar, menjadikan kos setiap halaman sebagai pemboleh ubah penting yang boleh menentukan sama ada satu projek adalah layak secara ekonomi atau gagal sejak permulaan.