Společnost Cohere vydala Parse 5 (parse-v5.0), model analýzy dokumentů zaměřený na velkoobjemové podnikové zpracování, a je nyní obecně dostupný bez seznamu čekatelů. Jak podrobně uvádí MarkTechPost, vydání je sázka na vyšší cenu na stránku než na pozici firmy. VentureBeat stručně shrnuto: Parse 5 "ztrácí benchmark na body. Vyhrává na ceně za stránku."
Co Parse 5 vlastně je For more context on this story, see our ongoing AI trends.
Parse 5 je model jazyka vidění s 2,3 miliardami parametrů postavený na architektuře North-Micro-Vision-Instruct společnosti Cohere Labs s kontextovým oknem s 8 192 tokeny a prostorem zhruba 4,6 GB. Vezme stránku PDF, PowerPoint nebo JPEG jako vstup v kódování base64 a vrátí Markdown v jediném průchodu: text v pořadí čtení, tabulky vykreslené jako HTML, seznamy, páry klíč-hodnota formuláře, popisy obrázků a souřadnice ohraničovacího rámečku pro vizuální prvky.
Pozoruhodná architektonická volba je to, co odstraňuje. Před modelem není žádná samostatná fáze OCR – detekce rozvržení, rozpoznávání textu a strukturování probíhá v rámci jedné sítě, což zjednodušuje nasazení a odstraňuje běžný zdroj kaskádových chyb v tradičních kanálech dokumentů.
Cohere uvádí devět jazyků jako stabilních – arabštinu, angličtinu, francouzštinu, němčinu, italštinu, japonštinu, korejštinu, portugalštinu a španělštinu – s podporou nulového záběru pro ostatní s nižší přesností.
Dva výstupní režimy
Ve výchozím režimu Parse 5 vrací řetězec Markdown na stránku. Druhý režim, povolený pomocí `output_format="bloky"`, místo toho vrací zadané bloky, kde každý blok tabulky nese svůj HTML, svůj ohraničující rámeček a popis. Tento druhý režim umožňuje sledovatelnost na úrovni citací – podnik může přesně ukázat, odkud na stránce pochází analyzovaný údaj, což je důležité pro regulovaná průmyslová odvětví vkládání dokumentů do systémů generování s rozšířeným vyhledáváním.
Výstraha ohledně benchmarku
Cohere uvádí skóre ParseBench 79,2 pro Parse 5, před Mistral OCR 4 na 74,5, Azure Document Intelligence na 74,3 a Databricks AI Parse na 72,4. Existuje však důležitá hvězdička, která analýza MarkTechPost na 59,64 a LlamaParse Agentic vede tabuli s 84,88. Parse 5 není aktuálně uveden v této výsledkové tabulce.
Jinými slovy, 79,2 je skóre podmnožiny uváděné dodavatelem, nikoli koruna benchmarku. Trojrozměrný průměr Azure vychází na 74,3, což přesně odpovídá metodologii Cohere – takže srovnání je alespoň jablka na jablka v rámci podmnožiny, kterou pokrývá.
Matematika cen
Argument nákladů je tam, kde se umístění Cohere upřesňuje. Parse API má cenu 1,50 USD za 1 000 stránek – 0,0015 USD za stránku. Pro organizace, které preferují vyhrazenou kapacitu, nabízí model Vault pro jednoho nájemce 4,00 $ za hodinu (2 500 $ měsíčně) na střední instanci nebo 7,00 $ za hodinu (4 300 $ měsíčně) na XL.
Bod křížení je důležitější než jedno číslo samotné. Při měřených sazbách dosahuje instance Medium Vault dokonce zhruba 1,67 milionu stránek za měsíc a XL zhruba 2,87 milionu. Pod těmito objemy je volání API podle potřeby levnější; nad nimi vyhrává vyhrazená kapacita na ceně před zohledněním výhod rezidence dat, které obvykle podporují přijetí Vaultu.
Dostupnost
Parse 5 je obecně k dispozici prostřednictvím Cohere Parse API, Microsoft Foundry, AWS SageMaker a nasazení Model Vault s jedním tenantem. Neexistuje žádný licenční přístup k výzkumu – Cohere to od prvního dne považuje za produkční infrastrukturu.
Co to znamená pro podnikové kupující
Vydání odráží širší vzorec podnikové umělé inteligence: možnosti sousedící s hranicemi jsou stále malé na to, aby fungovaly levně, a prodejci stále více soutěží na základě ekonomiky jednotek spíše než hrubých skóre. Model s parametrem 2,3 B, který analyzuje dokumenty na 1,50 USD za tisíc stránek, snižuje náklady na pracovní zátěž, která dříve vyžadovala buď drahé komerční sady OCR, nebo křehké interní potrubí.
Vydání také říká něco o tom, kde Cohere vidí své otevření. Společnost vsadila své podnikové podnikání na praktičnost nasazení – modely, které fungují levně, soukromě a předvídatelně v rámci podnikového prostředí – spíše než pronásledování hranic. Analyzátor dokumentů je vedle modelů hraničního uvažování neokoukaný, ale příjem dokumentů je jednou z mála pracovních zátěží umělé inteligence, kde dnes mohou podniky měřit návratnost na stránku, a Cohere chce tuto matematiku jednoznačně vlastnit.
Pro kupující je praktickou radou z analýzy srovnávacích testů zacházet s Parse 5 tak, jak jej sám Cohere rámuje – jako požadavek na testování s vašimi vlastními dokumenty, zejména pokud jsou grafy a vizuální uzemnění ústředním bodem vaší pracovní zátěže, protože to jsou dimenze, které jeho hlášené skóre vynechává. Pro zpracování velkého objemu textu a tabulek je poměr cena/výkon přímočarý; pro analýzu toho, kde mají grafy význam, stojí za to nejprve vyhodnotit přední místa ve veřejném žebříčku.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
