Cohere نسخه 5 (parse-v5.0) را منتشر کرده است، یک مدل تجزیه اسناد با هدف جذب سازمانی با حجم بالا، و اکنون به طور کلی بدون لیست انتظار در دسترس است. همانطور که توسط [MarkTechPost] (https://www.marktechpost.com/2026/08/27/cohere-releases-parse-5-parse-v5-0-a-2-3b-vision-language-model-that-turns-enterprise-documents-into-enterprise-documents-into-betes-into-cohere-releases-parse-5-3b-vision-language-model-that-turns-enterprise-documents-into-bet) توضیح داده شده است. شرط VentureBeat به صراحت بیان کرد: Parse 5 "معیار امتیازات را از دست می دهد. در هزینه هر صفحه برنده می شود."

پارس 5 در واقع چیست For more context on this story, see our ongoing AI industry coverage.

Parse 5 یک مدل زبان بینایی با 2.3 میلیارد پارامتر است که بر اساس معماری North-Micro-Vision-Instruct آزمایشگاه Cohere ساخته شده است، با یک پنجره زمینه 8192 توکن و فضایی تقریباً 4.6 گیگابایتی. یک صفحه PDF، پاورپوینت یا JPEG را به‌عنوان ورودی کدگذاری شده پایه 64 می‌گیرد و Markdown را در یک پاس باز می‌گرداند: متن به ترتیب خواندن، جداول ارائه‌شده به‌صورت HTML، فهرست‌ها، فرم‌های جفت‌های کلید-مقدار، توضیحات تصویر، و مختصات کادر محدود برای عناصر بصری.

انتخاب معماری قابل توجه چیزی است که حذف می کند. هیچ مرحله OCR مجزایی در جلوی مدل وجود ندارد - تشخیص چیدمان، تشخیص متن و ساختار در داخل یک شبکه اتفاق می‌افتد، که استقرار را ساده می‌کند و منبع رایج خطاهای آبشاری در خطوط لوله اسناد سنتی را حذف می‌کند.

Cohere نه زبان را به عنوان پایدار فهرست می کند - عربی، انگلیسی، فرانسوی، آلمانی، ایتالیایی، ژاپنی، کره ای، پرتغالی، و اسپانیایی - با پشتیبانی صفر شات برای دیگران با دقت کمتر.

دو حالت خروجی

در حالت پیش‌فرض، Parse 5 یک رشته Markdown را در هر صفحه برمی‌گرداند. حالت دوم، فعال شده با «output_format="blocks"، بلوک‌های تایپ‌شده را به جای آن برمی‌گرداند، جایی که هر بلوک جدول HTML، کادر محدود و توضیحات خود را دارد. این حالت دوم چیزی است که قابلیت ردیابی در سطح استناد را ممکن می‌سازد - یک شرکت می‌تواند دقیقاً به کجای صفحه یک شکل تجزیه‌شده اشاره کند، که برای صنایع تحت نظارت که اسناد را به سیستم‌های تولید افزوده بازیابی تغذیه می‌کنند اهمیت دارد.

هشدار معیار

Cohere امتیاز ParseBench را 79.2 برای Parse 5 گزارش کرده است که بالاتر از Mistral OCR 4 با 74.5، Azure Document Intelligence با 74.3 و Databricks AI Parse با 72.4 است. اما یک ستاره مهم وجود دارد که تجزیه و تحلیل MarkTechPost.

ParseBench یک معیار LlamaIndex از تقریباً 2078 صفحه سازمانی تأیید شده توسط انسان است که در پنج بعد نمره گذاری شده اند: جداول، نمودارها، وفاداری محتوا، قالب بندی معنایی و زمینه بصری. Cohere's 79.2 تنها سه بعد از این پنج بعد را به‌طور میانگین نشان می‌دهد، نمودارها و زمین‌بندی بصری - دقیقاً دو بعد که اکثر تجزیه‌کننده‌ها بدترین عملکرد را دارند. در تابلوی امتیازات پنج بعدی عمومی، همان فروشندگان در مجموع امتیاز بسیار پایین تری دریافت می کنند: Mistral OCR 4 و Databricks AI Parse با 60.68، Azure Document Intelligence (Layout) با 59.64، با LlamaParse Agentic با امتیاز 84.88 پیشتاز برد. پارس 5 در حال حاضر در آن تابلوی امتیازات فهرست نشده است.

به عبارت دیگر، 79.2 یک امتیاز زیرمجموعه گزارش شده توسط فروشنده است، نه یک تاج معیار. میانگین سه بعدی Azure به 74.3 می رسد که دقیقاً با روش Cohere مطابقت دارد - بنابراین مقایسه حداقل سیب به سیب در زیر مجموعه ای است که پوشش می دهد.

ریاضی قیمت گذاری

بحث هزینه جایی است که موقعیت Cohere مشخص می شود. Parse API با قیمت 1.50 دلار در هر 1000 صفحه – 0.0015 دلار در هر صفحه است. برای سازمان هایی که ظرفیت اختصاصی را ترجیح می دهند، پیشنهاد مدل Vault تک مستاجر 4 دلار در ساعت (2500 دلار در ماه) در یک نمونه متوسط ​​یا 7 دلار در ساعت (4300 دلار در ماه) در XL است.

نقطه متقاطع بیش از هر یک از این شماره ها به تنهایی اهمیت دارد. با نرخ‌های اندازه‌گیری‌شده، یک نمونه Medium Vault حتی در حدود 1.67 میلیون صفحه در ماه و XL با تقریباً 2.87 میلیون صفحه شکسته می‌شوند. در زیر این حجم ها، فراخوانی API در صورت نیاز ارزان تر است. بالاتر از آنها، ظرفیت اختصاصی قبل از محاسبه مزایای اقامت داده که معمولاً در وهله اول پذیرش Vault را هدایت می کند، بر قیمت برنده می شود.

در دسترس بودن

Parse 5 عموماً از طریق Cohere Parse API، Microsoft Foundry، AWS SageMaker و استقرار مدل Vault تک مستاجر در دسترس است. هیچ دسترسی به مجوز تحقیقاتی وجود ندارد - Cohere از روز اول با این موضوع به عنوان زیرساخت تولید برخورد می کند.

چه معنایی برای خریداران سازمانی دارد

این نسخه نشان‌دهنده الگوی گسترده‌تری در هوش مصنوعی سازمانی است: قابلیت مجاور مرزی به اندازه‌ای کوچک می‌شود که ارزان شود و فروشندگان به‌جای امتیازات خام، به‌طور فزاینده‌ای بر سر اقتصاد واحد رقابت می‌کنند. یک مدل با پارامتر 2.3B که اسناد را با 1.50 دلار در هزار صفحه تجزیه می‌کند، هزینه حجم کاری را که قبلاً به مجموعه‌های تجاری گران قیمت OCR یا خطوط لوله داخلی شکننده نیاز داشت، فشرده می‌کند.

این نسخه همچنین چیزی در مورد جایی که Cohere افتتاحیه خود را می بیند می گوید. این شرکت به جای تعقیب مرزها، کسب و کار سازمانی خود را بر روی کاربردی بودن استقرار - مدل هایی که ارزان، خصوصی و به طور قابل پیش بینی در محیط های شرکتی اجرا می کنند - قرار داده است. تجزیه‌کننده سند در کنار مدل‌های استدلال مرزی جذاب نیست، اما جذب سند یکی از معدود بارهای کاری هوش مصنوعی است که امروزه شرکت‌ها می‌توانند بازده هر صفحه را اندازه‌گیری کنند، و Cohere به وضوح می‌خواهد این ریاضیات را در اختیار داشته باشد.

برای خریداران، توصیه عملی تجزیه و تحلیل معیار این است که با پارس 5 به گونه ای رفتار کنند که خود Cohere آن را قاب بندی می کند - به عنوان ادعایی برای آزمایش در برابر اسناد خود، به ویژه اگر نمودارها و زمینه بصری در حجم کار شما مرکزی هستند، زیرا این ابعادی هستند که امتیاز گزارش شده آن حذف شده است. برای دریافت حجم بالا، متن و جدول سنگین، مورد قیمت-عملکرد ساده است. برای تجزیه جایی که نمودارها معنی دارند، رهبران تابلوی امتیازات عمومی ارزش ارزیابی را دارند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →