ہر کاروباری AI ٹیم کو آخرکار ایک ہی بند راستہ درپیش ہوتا ہے: پی ڈی ایف سے مفید ڈیٹا حاصل کرنا۔ دستاویزات بے ترتیب ہوتی ہیں، ٹیبلز عجیب ہوتے ہیں، لے آؤٹس نامنظم ہوتے ہیں، اور وہ ٹولز جو اصل میں کام کرتے ہیں، وہ اس طرح چارج کرتے ہیں جیسے وہ جانتے ہوں کہ آپ بے چارے ہیں۔ کوہیرا کو لگتا ہے کہ اس کے پاس بہترین معاہدہ ہے۔
کمپنی نے گزشتہ جمعرات کو پارس 5 جاری کیا، جو ایک 2.3 ارب پیرامیٹر والی ویژن زبان ماڈل ہے جو پی ڈی ایف، سلائیڈز اور تصاویر کو ساختی مارک ڈاؤن میں تبدیل کرنے کے لیے ڈیزائن کی گئی ہے۔ دعویٰ یہ نہیں کہ یہ بازار پر سب سے زیادہ درست پارسر ہے۔ بلکہ یہ ہے کہ یہ کافی درست ہے اور اسے بڑے پیمانے پر چلانے کے لیے کافی سستا ہے۔
پارس 5 دراصل کیا کرتا ہے
پارس 5 (مڈل آئی ڈی: parse-v5.0) کا وزن تقریباً 4.6 جیگا بائٹ ہے اور اس کا 8K کنٹیکس ونڈو ہے۔ اسے ایسے دستاویزات کے ساتھ کام کرنے کے لیے تعمیر کیا گیا ہے جو AI پائپ لائنز کو پھنسا دیتے ہیں: پیچیدہ جدول، نیسٹڈ فہرستیں، فارم، عنوانات والی تصاویر، متعدد کالم لے آؤٹ اور صفحات کے حدود۔
ٹیبلز HTML کے طور پر برآمد ہوتے ہیں۔ ویژوئل عناصر کے ساتھ باؤنڈنگ باکسز آتے ہیں۔ ریڈنگ آرڈر برقرار رکھا جاتا ہے، جو اس سے زیادہ اہم ہے جتنا کہ آپ سوچتے ہیں، کیونکہ پیراگرافس کو غلط ترتیب میں رکھنا ایک ڈاؤن اسٹریم ریٹریول سسٹم کو خاموشی سے تباہ کر سکتا ہے۔
یہ ماڈل نو بڑے تجارتی زبانوں کو سپورٹ کرتا ہے، جس سے فنانس، بیمہ، قانونی اور سائنسی شعبوں میں متعدد قومی ڈیپلویمنٹس کے لیے ایک چیک باکس چیک ہوتا ہے۔ کوہیر بھی محفوظ ڈیپلویمنٹ کے آپشنز پیش کر رہا ہے، جو اس حقیقت کو تسلیم کرتا ہے کہ ان شعبوں کے کاروباری ادارے حفاظتی پرده کے بغیر تھرڈ پارٹی API کے ذریعے حساس دستاویزات بھیجنا پسند نہیں کرتے۔
وہ اعداد جو اہمیت رکھتے ہیں
API کی قیمت 1,000 صفحات کے لیے 1.50 ڈالر سے شروع ہوتی ہے۔ جو ادارے بڑی مقدار میں دستاویزات کا معالجہ کرتے ہیں، ان کے لیے Cohere کا ماڈل والٹ استعمال کے مطابق 23% سے 61% تک ٹائرڈ اسکونٹ فراہم کرتا ہے۔
اسے عملی الفاظ میں کہیں تو: کوہیرا کا اندازہ ہے کہ ماہانہ 13 ملین صفحات کے ورک فلو کو سیدھے API کالز کے بجائے ماڈل والٹ کا استعمال کرکے تقریباً 144 ہزار امریکی ڈالر بچایا جا سکتا ہے۔
نمائندہ ہارڈویئر پر ٹھیک 4.5 صفحات فی سیکنڈ کی رفتار حاصل ہوتی ہے۔ یہ رفتار کچھ اوپن سورس متبادل سے آگے ہے۔
کوہیر کے پارس بینچ بینچ مارک پر، پارس 5 کا اوسط اسکور 79.2 ہے۔ اس کی ٹیبل پارسنگ 87.0 تک پہنچتی ہے، اور وفاداری، یعنی آؤٹ پٹ کتنا درستی سے سورس دستاویز کو ظاہر کرتا ہے، وہ 86.6 پر ہے۔
مختصر طور پر، Mistral OCR 4 اسی بینچ مارک پر 74.5 سکور کرتا ہے۔ LlamaParse Cost Effective 78.3 پر آتا ہے۔ تاہم، Parse 5 دونوں کو پیچھے چھوڑ دیتا ہے، حالانکہ Cohere صاف طور پر بیان کرتا ہے کہ بڑے اور مہنگے ماڈلز ابھی بھی اصل دقت پر اس سے بہتر کارکردگی دکھاتے ہیں۔
یہ اینٹرپرائز AI اسٹیک میں کہاں فٹ ہوتا ہے
5 پلگز کو کوهیر کے موجودہ ایکو سسٹم میں پارس کیا جاتا ہے اور مائیکروسافٹ فاؤنڈری اور ایم وی ایس سیج میکر کے ساتھ انٹیگریٹ ہوتا ہے۔ یہ آپریبلٹی اہم ہے کیونکہ زیادہ تر کاروباری ادارے اپنے AI اسٹیکس کو صفر سے تعمیر نہیں کرتے۔ وہ نئے ٹولز کو موجودہ کلاؤڈ انفراسٹرکچر پر جوڑ رہے ہیں۔
یہ ماڈل ایجنٹک ریٹریول پائپ لائنز کے لیے بھی ڈیزائن کیا گیا ہے، جو ایک آہستہ آہستہ مقبول ہوتی جا رہی ایچیٹیکچر ہے جہاں AI ایجنٹس خودکار طور پر دستاویزات کے ریپوزٹریز میں تلاش کرتے ہوئے کام مکمل کرتے ہیں۔ ان ورک فلوز میں عام طور پر بہت زیادہ مقدار میں دستاویزات کو پروسیس کیا جاتا ہے، جس سے فی صفحہ لاگت ایک اہم متغیر بن جاتی ہے جو یہ طے کرتی ہے کہ کوئی منصوبہ معاشی طور پر قابل عمل ہے یا شروع ہوتے ہی ناکام ہو جائے۔