Cohere تطلق Parse 5، وهو عبارة عن ذكاء اصطناعي لتحليل المستندات بمعلمة 2.3B تم تصميمه من أجل استيعاب التكلفة أولاً

أصدرت Cohere نموذج Parse 5 (parse-v5.0)، وهو نموذج لتحليل المستندات يستهدف استيعاب المؤسسات بكميات كبيرة، وهو الآن متاح بشكل عام بدون قائمة انتظار. كما هو مفصل بواسطة MarkTechPost، يعد الإصدار رهانًا على أن معظم المؤسسات تهتم بالتكلفة لكل صفحة أكثر من اهتمامها بوضع المتصدرين - وهو رهان VentureBeat تم تلخيصه بصراحة: التحليل 5 "يخسر المعيار بالنقاط. ويفوز بتكلفة الصفحة."

ما هو التحليل 5 في الواقع؟ لمزيد من السياق حول هذه القصة، راجع أخبار الذكاء الاصطناعي.

Parse 5 هو نموذج لغة رؤية مكون من 2.3 مليار معلمة مبني على بنية North-Micro-Vision-Instruct الخاصة بشركة Cohere Labs، مع نافذة سياق مكونة من 8,192 رمزًا مميزًا ومساحة تبلغ حوالي 4.6 جيجابايت. يأخذ صفحة PDF أو PowerPoint أو JPEG كمدخل بترميز base64 ويعيد Markdown في مسار واحد: نص بترتيب القراءة، والجداول المقدمة بتنسيق HTML، والقوائم، وأزواج القيمة الرئيسية، وأوصاف الصور، وإحداثيات المربع المحيط للعناصر المرئية.

الاختيار المعماري البارز هو ما يزيله. لا توجد مرحلة منفصلة للتعرف الضوئي على الحروف أمام النموذج - يتم اكتشاف التخطيط والتعرف على النص والهيكلة داخل شبكة واحدة، مما يبسط عملية النشر ويزيل المصدر الشائع للأخطاء المتتالية في مسارات المستندات التقليدية.

يسرد Cohere تسع لغات مستقرة - العربية والإنجليزية والفرنسية والألمانية والإيطالية واليابانية والكورية والبرتغالية والإسبانية - مع عدم وجود دعم للغات الأخرى بدقة أقل.

وضعين للإخراج

في وضعه الافتراضي، يقوم Parse 5 بإرجاع سلسلة Markdown لكل صفحة. الوضع الثاني، الذي يتم تمكينه باستخدام `output_format = "blocks"`، يعرض الكتل المكتوبة بدلاً من ذلك، حيث تحمل كل كتلة جدول HTML الخاص بها والمربع المحيط بها ووصفًا. هذا الوضع الثاني هو ما يجعل إمكانية التتبع على مستوى الاستشهاد ممكنة - حيث يمكن للمؤسسة الإشارة إلى المكان المحدد الذي جاء منه الرقم الذي تم تحليله على الصفحة، وهو أمر مهم بالنسبة للصناعات الخاضعة للتنظيم والتي تغذي المستندات في أنظمة توليد الاسترجاع المعزز.

التحذير المعياري

سجلت Cohere نتيجة ParseBench 79.2 لـ Parse 5، متقدمة على Mistral OCR 4 عند 74.5، وAzure Document Intelligence عند 74.3، وDatabricks AI Parse عند 72.4. ولكن هناك علامة نجمية مهمة يكشفها تحليل MarkTechPost بالتفصيل.

ParseBench هو معيار LlamaIndex يضم ما يقرب من 2078 صفحة مؤسسية تم التحقق منها بواسطة الإنسان وتم تسجيلها عبر خمسة أبعاد: الجداول، والرسوم البيانية، وإخلاص المحتوى، والتنسيق الدلالي، والأساس البصري. يبلغ متوسط ​​​​Cohere's 79.2 ثلاثة فقط من تلك الأبعاد الخمسة، مما يؤدي إلى إسقاط المخططات والأساس البصري - وهما على وجه التحديد البعدان اللذان يكون أداء معظم المحللين أسوأ منهما. في لوحة المتصدرين العامة ذات الأبعاد الخمسة، سجل نفس البائعين نقاطًا أقل بكثير بشكل عام: Mistral OCR 4 وDatabricks AI Parse عند 60.68، وAzure Document Intelligence (Layout) عند 59.64، مع قيادة LlamaParse Agentic اللوحة عند 84.88. التحليل 5 غير مدرج حاليًا في لوحة المتصدرين هذه.

وبعبارة أخرى، فإن 79.2 هي نتيجة مجموعة فرعية أبلغ عنها البائع، وليست تاجًا مرجعيًا. يصل متوسط ​​الأبعاد الثلاثة لـ Azure إلى 74.3، وهو ما يتوافق تمامًا مع منهجية Cohere - وبالتالي فإن المقارنة تكون على الأقل من التفاح إلى التفاح ضمن المجموعة الفرعية التي تغطيها.

رياضيات التسعير

حجة التكلفة هي المكان الذي يصبح فيه تحديد موقع Cohere ملموسًا. يبلغ سعر Parse API 1.50 دولارًا لكل 1000 صفحة - 0.0015 دولارًا لكل صفحة. بالنسبة للمؤسسات التي تفضل السعة المخصصة، فإن عرض Model Vault للمستأجر الواحد يبلغ 4.00 دولارًا أمريكيًا في الساعة (2500 دولارًا أمريكيًا في الشهر) على المثيل المتوسط، أو 7.00 دولارًا أمريكيًا في الساعة (4300 دولارًا أمريكيًا في الشهر) على مثيل XL.

نقطة التقاطع مهمة أكثر من أي رقم بمفرده. بالمعدلات المقاسة، يحقق مثيل Medium Vault التعادل عند 1.67 مليون صفحة تقريبًا شهريًا، ومثيل XL عند 2.87 مليون تقريبًا. وفي ظل هذه الكميات، يكون الاتصال بواجهة برمجة التطبيقات (API) حسب الحاجة أرخص؛ وفوقها، تفوز السعة المخصصة بالسعر قبل مراعاة فوائد إقامة البيانات التي عادة ما تدفع اعتماد Vault في المقام الأول.

التوفر

يتوفر Parse 5 بشكل عام من خلال Cohere Parse API وMicrosoft Foundry وAWS SageMaker وعمليات نشر Model Vault ذات المستأجر الفردي. لا يوجد إمكانية الوصول إلى بوابات ترخيص البحث - تتعامل شركة Cohere مع هذا باعتباره بنية تحتية للإنتاج منذ اليوم الأول.

ماذا يعني ذلك بالنسبة للمشترين من المؤسسات

يعكس الإصدار نمطًا أوسع في الذكاء الاصطناعي المؤسسي: أصبحت القدرة على الحدود المجاورة صغيرة بما يكفي للعمل بسعر رخيص، ويتنافس البائعون بشكل متزايد على اقتصاديات الوحدة بدلاً من النتائج الأولية. يعمل نموذج 2.3B ذو المعلمة الذي يوزع المستندات بسعر 1.50 USD لكل ألف صفحة على ضغط تكلفة عبء العمل الذي كان يتطلب إما مجموعات التعرف الضوئي على الحروف التجارية باهظة الثمن أو خطوط الأنابيب الداخلية الهشة.

يقول الإصدار أيضًا شيئًا عن المكان الذي يرى فيه Cohere افتتاحه. لقد راهنت الشركة بأعمالها المؤسسية على التطبيق العملي للنشر - وهي نماذج يتم تشغيلها بتكلفة زهيدة، وبشكل خاص، ويمكن التنبؤ بها داخل بيئات الشركة - بدلاً من مطاردة الحدود. يعد محلل المستندات غير جذاب بجوار نماذج الاستدلال الحدودي، ولكن استيعاب المستندات هو أحد أعباء عمل الذكاء الاصطناعي القليلة حيث يمكن للمؤسسات قياس العائد لكل صفحة اليوم، ومن الواضح أن شركة Cohere تريد امتلاك هذه الرياضيات.

بالنسبة للمشترين، فإن النصيحة العملية من التحليل المعياري هي التعامل مع Parse 5 بالطريقة التي تضعها بها شركة Cohere نفسها - كادعاء للاختبار مقابل مستنداتك الخاصة، خاصة إذا كانت المخططات والأسس المرئية أساسية في عبء العمل الخاص بك، نظرًا لأن هذه هي الأبعاد التي تغفلها النتيجة المبلغ عنها. بالنسبة للكميات الكبيرة والكثافة العالية في استيعاب النصوص والجداول، تكون حالة السعر والأداء واضحة ومباشرة؛ لتحليل المكان الذي تحمل فيه المخططات المعنى، يظل قادة لوحة المتصدرين العامة يستحقون التقييم أولاً.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →