कोहेयर ने पार्स 5 (पार्स-v5.0) जारी किया है, जो एक दस्तावेज़-पार्सिंग मॉडल है जिसका उद्देश्य उच्च-मात्रा उद्यम अंतर्ग्रहण है, और यह अब आम तौर पर बिना किसी प्रतीक्षा सूची के उपलब्ध है। जैसा कि MarkTechPost द्वारा विस्तृत किया गया है, रिलीज एक शर्त है कि अधिकांश उद्यम लीडरबोर्ड स्थिति की तुलना में प्रति पृष्ठ लागत के बारे में अधिक परवाह करते हैं - एक शर्त वेंचरबीट ने स्पष्ट रूप से संक्षेप में कहा: पार्स 5 "अंकों पर बेंचमार्क खो देता है। यह प्रति पृष्ठ लागत पर जीतता है।"

वास्तव में पार्स 5 क्या है For more context on this story, see our ongoing artificial intelligence updates.

पार्स 5 एक 2.3-बिलियन-पैरामीटर विज़न भाषा मॉडल है जो कोहेरे लैब्स के नॉर्थ-माइक्रो-विज़न-इंस्ट्रक्ट आर्किटेक्चर पर बनाया गया है, जिसमें 8,192-टोकन संदर्भ विंडो और लगभग 4.6 जीबी का फ़ुटप्रिंट है। यह बेस64-एनकोडेड इनपुट के रूप में एक पीडीएफ, पावरपॉइंट, या जेपीईजी पेज लेता है और मार्कडाउन को एक ही पास में लौटाता है: पढ़ने के क्रम में पाठ, HTML के रूप में प्रस्तुत की गई तालिकाएं, सूचियां, कुंजी-मूल्य जोड़े, छवि विवरण और दृश्य तत्वों के लिए बाउंडिंग बॉक्स निर्देशांक।

उल्लेखनीय वास्तुशिल्प विकल्प वह है जो इसे हटा देता है। मॉडल के सामने कोई अलग ओसीआर चरण नहीं है - लेआउट का पता लगाना, पाठ पहचान और संरचना एक नेटवर्क के अंदर होती है, जो तैनाती को सरल बनाती है और पारंपरिक दस्तावेज़ पाइपलाइनों में कैस्केडिंग त्रुटियों के एक सामान्य स्रोत को समाप्त करती है।

कोहेयर ने नौ भाषाओं को स्थिर के रूप में सूचीबद्ध किया है - अरबी, अंग्रेजी, फ्रेंच, जर्मन, इतालवी, जापानी, कोरियाई, पुर्तगाली और स्पेनिश - कम सटीकता पर अन्य के लिए शून्य-शॉट समर्थन के साथ।

दो आउटपुट मोड

अपने डिफ़ॉल्ट मोड में, पार्स 5 प्रति पृष्ठ एक मार्कडाउन स्ट्रिंग लौटाता है। एक दूसरा मोड, जो `output_format='blocks'` के साथ सक्षम है, इसके बजाय टाइप किए गए ब्लॉक लौटाता है, जहां प्रत्येक टेबल ब्लॉक में उसका HTML, उसका बाउंडिंग बॉक्स और एक विवरण होता है। वह दूसरा तरीका है जो उद्धरण-स्तरीय ट्रैसेबिलिटी को संभव बनाता है - एक उद्यम ठीक उसी स्थान पर वापस इंगित कर सकता है जहां पृष्ठ पर एक पार्स किया गया आंकड़ा आया है, जो पुनर्प्राप्ति-संवर्धित पीढ़ी प्रणालियों में दस्तावेजों को खिलाने वाले विनियमित उद्योगों के लिए मायने रखता है।

बेंचमार्क चेतावनी

कोहेयर ने पार्स 5 के लिए पार्सबेंच स्कोर 79.2, मिस्ट्रल ओसीआर 4 से 74.5, एज़्योर डॉक्यूमेंट इंटेलिजेंस 74.3 और डाटाब्रिक्स एआई पार्स 72.4 से आगे बताया है। लेकिन एक महत्वपूर्ण तारांकन है जो मार्कटेकपोस्ट का विश्लेषण विस्तार से खोलता है।

ParseBench पांच आयामों में बनाए गए लगभग 2,078 मानव-सत्यापित एंटरप्राइज़ पृष्ठों का LlamaIndex बेंचमार्क है: टेबल, चार्ट, सामग्री विश्वसनीयता, सिमेंटिक फ़ॉर्मेटिंग और विज़ुअल ग्राउंडिंग। कोहेयर का 79.2 उन पांच आयामों में से केवल तीन का औसत रखता है, ड्रॉपिंग चार्ट और विज़ुअल ग्राउंडिंग - ठीक वही दो आयाम हैं जहां अधिकांश पार्सर सबसे खराब प्रदर्शन करते हैं। सार्वजनिक पांच-आयामी लीडरबोर्ड पर, वही विक्रेता समग्र रूप से बहुत कम स्कोर करते हैं: मिस्ट्रल ओसीआर 4 और डेटाब्रिक्स एआई पार्स 60.68 पर, एज़्योर डॉक्यूमेंट इंटेलिजेंस (लेआउट) 59.64 पर, लामापार्स एजेंटिक 84.88 पर बोर्ड में अग्रणी है। पार्स 5 वर्तमान में उस लीडरबोर्ड पर सूचीबद्ध नहीं है।

दूसरे शब्दों में, 79.2 विक्रेता द्वारा रिपोर्ट किया गया सबसेट स्कोर है, बेंचमार्क क्राउन नहीं। एज़्योर का तीन-आयामी औसत 74.3 पर काम करता है, जो कोहेर की कार्यप्रणाली से बिल्कुल मेल खाता है - इसलिए तुलना इसके द्वारा कवर किए गए सबसेट के भीतर कम से कम सेब-से-सेब है।

मूल्य निर्धारण गणित

लागत तर्क वह है जहां कोहेरे की स्थिति ठोस हो जाती है। पार्स एपीआई की कीमत $1.50 प्रति 1,000 पेज - $0.0015 प्रति पेज है। उन संगठनों के लिए जो समर्पित क्षमता पसंद करते हैं, एकल-किरायेदार मॉडल वॉल्ट की पेशकश मध्यम उदाहरण पर $4.00 प्रति घंटा ($2,500 प्रति माह), या एक्सएल पर $7.00 प्रति घंटा ($4,300 प्रति माह) चलती है।

क्रॉसओवर बिंदु अकेले किसी भी संख्या से अधिक मायने रखता है। मीटर्ड दरों पर, एक मीडियम वॉल्ट उदाहरण प्रति माह लगभग 1.67 मिलियन पृष्ठों पर और एक्सएल लगभग 2.87 मिलियन पर टूटता है। उन वॉल्यूम के नीचे, आवश्यकतानुसार एपीआई को कॉल करना सस्ता है; उनके ऊपर, समर्पित क्षमता डेटा-रेजीडेंसी लाभों के लिए लेखांकन से पहले कीमत पर जीत हासिल करती है जो आमतौर पर पहले स्थान पर वॉल्ट अपनाने को प्रेरित करती है।

उपलब्धता

पार्स 5 आम तौर पर कोहेयर पार्स एपीआई, माइक्रोसॉफ्ट फाउंड्री, एडब्ल्यूएस सेजमेकर और सिंगल-टेनेंट मॉडल वॉल्ट परिनियोजन के माध्यम से उपलब्ध है। कोई शोध लाइसेंस गेटिंग एक्सेस नहीं है - कोहेयर पहले दिन से ही इसे उत्पादन बुनियादी ढांचे के रूप में मान रहा है।

एंटरप्राइज़ ख़रीदारों के लिए इसका क्या अर्थ है

रिलीज़ एंटरप्राइज़ एआई में एक व्यापक पैटर्न को दर्शाता है: सीमांत-आसन्न क्षमता सस्ते में चलाने के लिए काफी छोटी होती जा रही है, और विक्रेता कच्चे स्कोर के बजाय यूनिट अर्थशास्त्र पर तेजी से प्रतिस्पर्धा कर रहे हैं। एक 2.3बी-पैरामीटर मॉडल जो 1.50 डॉलर प्रति हजार पृष्ठों पर दस्तावेज़ों को पार्स करता है, उस कार्यभार की लागत को कम करता है जिसके लिए या तो महंगे वाणिज्यिक ओसीआर सुइट्स या भंगुर इन-हाउस पाइपलाइनों की आवश्यकता होती है।

रिलीज़ इस बारे में भी कुछ कहती है कि कोहेरे अपनी शुरुआत कहाँ देखता है। कंपनी ने अपने उद्यम व्यवसाय को तैनाती की व्यावहारिकता पर दांव पर लगाया है - मॉडल जो सस्ते में, निजी तौर पर और कॉर्पोरेट वातावरण के अंदर अनुमानित रूप से चलते हैं - सीमा का पीछा करने के बजाय। एक दस्तावेज़ पार्सर सीमांत तर्क मॉडल के आगे अस्वाभाविक है, लेकिन दस्तावेज़ अंतर्ग्रहण उन कुछ एआई वर्कलोड में से एक है जहां उद्यम आज प्रति पृष्ठ रिटर्न को माप सकते हैं, और कोहेयर स्पष्ट रूप से उस गणित का स्वामी बनना चाहता है।

खरीदारों के लिए, बेंचमार्क विश्लेषण से व्यावहारिक सलाह यह है कि पार्स 5 को उसी तरह से व्यवहार किया जाए जिस तरह से कोहेयर ने इसे तैयार किया है - अपने स्वयं के दस्तावेजों के खिलाफ परीक्षण करने के दावे के रूप में, खासकर यदि चार्ट और विज़ुअल ग्राउंडिंग आपके कार्यभार के लिए केंद्रीय हैं, क्योंकि वे आयाम हैं जो इसके रिपोर्ट किए गए स्कोर को छोड़ देते हैं। उच्च-मात्रा, टेक्स्ट-और-टेबल-भारी अंतर्ग्रहण के लिए, मूल्य-प्रदर्शन का मामला सीधा है; विश्लेषण के लिए जहां चार्ट अर्थ रखते हैं, सार्वजनिक लीडरबोर्ड के नेता पहले मूल्यांकन के लायक रहते हैं।

---

Stay Ahead of AI

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

Read more AI news →