Mỗi đội AI doanh nghiệp đều cuối cùng sẽ gặp phải cùng một điểm nghẽn: lấy dữ liệu hữu ích ra khỏi các tệp PDF. Các tài liệu lộn xộn, các bảng dữ liệu kỳ lạ, bố cục không nhất quán, và các công cụ thực sự hoạt động lại có xu hướng định giá như thể họ biết bạn đang tuyệt vọng. Cohere tin rằng họ có một đề xuất tốt hơn.
Công ty đã ra mắt Parse 5 vào thứ Năm, một mô hình ngôn ngữ thị giác với 2,3 tỷ tham số được thiết kế để chuyển đổi PDF, slide và hình ảnh thành Markdown có cấu trúc. Điểm nhấn không phải là nó là công cụ phân tích chính xác nhất trên thị trường, mà là nó đủ chính xác và đủ rẻ để có thể triển khai quy mô lớn.
Parse 5 thực sự làm gì
Parse 5 (mã mô hình: parse-v5.0) có dung lượng khoảng 4,6 GB với cửa sổ ngữ cảnh 8K. Nó được thiết kế để xử lý các loại tài liệu khiến các đường ống AI bị nghẽn: bảng phức tạp, danh sách lồng nhau, biểu mẫu, hình ảnh có chú thích, bố cục nhiều cột và ranh giới trang.
Bảng được xuất dưới dạng HTML. Các yếu tố trực quan đi kèm với khung giới hạn. Thứ tự đọc được giữ nguyên, điều này quan trọng hơn những gì bạn nghe thấy, vì việc sắp xếp các đoạn văn sai thứ tự có thể vô tình phá hỏng hệ thống truy xuất downstream.
Mô hình hỗ trợ chín ngôn ngữ thương mại chính, đáp ứng yêu cầu cho các triển khai đa quốc gia trong các lĩnh vực tài chính, bảo hiểm, pháp lý và khoa học. Cohere cũng cung cấp các tùy chọn triển khai an toàn, phản ánh thực tế rằng các doanh nghiệp trong các ngành này không hài lòng khi gửi tài liệu nhạy cảm qua các API bên thứ ba mà không có các biện pháp bảo vệ.
Những con số quan trọng
Giá API bắt đầu từ 1,50 USD mỗi 1.000 trang. Đối với các tổ chức xử lý tài liệu với khối lượng lớn, Model Vault của Cohere cung cấp các mức chiết khấu theo cấp bậc từ 23% đến 61% tùy theo mức độ sử dụng.
Để đưa điều đó thành những con số cụ thể: Cohere ước tính một quy trình 13 triệu trang mỗi tháng có thể tiết kiệm khoảng 144.000 USD bằng cách sử dụng Model Vault thay vì các cuộc gọi API trực tiếp.
Tốc độ xử lý đạt 4,5 trang mỗi giây trên phần cứng đại diện. Tốc độ này giúp nó vượt trội hơn một số lựa chọn mã nguồn mở khác.
Trên bảng đánh giá ParseBench của Cohere, Parse 5 đạt điểm trung bình 79,2. Khả năng phân tích bảng đạt 87,0 và độ trung thực, tức là mức độ chính xác mà đầu ra phản ánh tài liệu nguồn, đạt 86,6.
Để tham khảo, Mistral OCR 4 đạt 74,5 trên cùng bộ kiểm tra. LlamaParse Chi phí Hiệu quả đạt 78,3. Parse 5 vượt trội hơn cả hai, tuy nhiên Cohere đã nhấn mạnh rằng các mô hình lớn hơn và đắt tiền hơn vẫn vượt trội hơn về độ chính xác thuần túy.
Nơi đây phù hợp trong hệ thống AI doanh nghiệp
Chèn 5 công cụ vào hệ sinh thái hiện có của Cohere và tích hợp với Microsoft Foundry và AWS SageMaker. Sự tương tác này quan trọng vì hầu hết các doanh nghiệp không xây dựng các stack AI từ đầu. Họ đang gắn các công cụ mới vào cơ sở hạ tầng đám mây hiện có.
Mô hình cũng được tối ưu cho các đường ống truy xuất mang tính tác nhân, kiến trúc ngày càng phổ biến nơi các tác nhân AI tự động tìm kiếm qua các kho tài liệu để hoàn thành nhiệm vụ. Các quy trình này thường xử lý khối lượng tài liệu khổng lồ, khiến chi phí trên mỗi trang trở thành biến số then chốt có thể quyết định liệu một dự án có khả thi về mặt kinh tế hay thất bại ngay từ đầu.