Cohere ametoa Parse 5 (parse-v5.0), modeli ya uchanganuzi wa hati inayolenga kumeza biashara ya kiwango cha juu, na sasa inapatikana kwa ujumla bila orodha ya kusubiri. Kama ilivyofafanuliwa na MarkTechPost, nafasi ya biashara inayogharimu zaidi kuliko kiongozi wa biashara ndiye anayelipa gharama kubwa kuliko kiongozi. VentureBeat ilifanya muhtasari kwa uwazi: Sehemu ya 5 "inapoteza alama ya alama kwenye pointi. Inashinda kwa gharama kwa kila ukurasa."
Sehemu ya 5 Ni Nini Halisi For more context on this story, see our ongoing AI industry coverage.
Parse 5 ni muundo wa lugha ya maono wa bilioni 2.3 uliojengwa kwenye usanifu wa Cohere Labs' North-Micro-Vision-Instruct, na dirisha la muktadha la tokeni 8,192 na alama ya chini ya takriban 4.6GB. Inachukua ukurasa wa PDF, PowerPoint, au JPEG kama ingizo la msingi-64 na hurejesha Markdown katika pasi moja: maandishi kwa mpangilio wa usomaji, majedwali yanayotolewa kama HTML, orodha, kuunda jozi za thamani ya vitufe, maelezo ya picha, na viwianishi vya kisanduku cha kufunga kwa vipengele vya kuona.
Chaguo maarufu la usanifu ni kile kinachoondoa. Hakuna hatua tofauti ya OCR mbele ya modeli - utambuzi wa mpangilio, utambuzi wa maandishi, na uundaji hufanyika ndani ya mtandao mmoja, ambayo hurahisisha utumaji na kuondoa chanzo cha kawaida cha hitilafu za kasi katika mabomba ya hati za jadi.
Cohere anaorodhesha lugha tisa kuwa thabiti - Kiarabu, Kiingereza, Kifaransa, Kijerumani, Kiitaliano, Kijapani, Kikorea, Kireno na Kihispania - kwa usaidizi wa sifuri kwa zingine kwa usahihi wa chini.
Njia Mbili za Kutoa
Katika hali yake chaguo-msingi, Parse 5 inarudisha kamba ya Markdown kwa kila ukurasa. Hali ya pili, iliyowezeshwa kwa `output_format="blocks"`, hurejesha vizuizi vilivyochapwa badala yake, ambapo kila kizuizi cha jedwali hubeba HTML yake, kisanduku chake cha kufunga na maelezo. Njia hiyo ya pili ndiyo inayofanya ufuatiliaji wa kiwango cha manukuu uwezekane - biashara inaweza kuelekeza mahali haswa kwenye ukurasa ambapo takwimu iliyochanganuliwa ilitoka, ambayo ni muhimu kwa tasnia zinazodhibitiwa za kulisha hati katika mifumo ya kizazi iliyoboreshwa.
Caveat Benchmark
Cohere anaripoti alama ya ParseBench ya 79.2 kwa Parse 5, mbele ya Mistral OCR 4 saa 74.5, Azure Document Intelligence saa 74.3, na Databricks AI Parse saa 72.4. Lakini kuna kinyota muhimu ambacho uchambuzi wa MarkTechPost saa 59.64, huku LlamaParse Agentic ikiongoza ubao kwa 84.88. Sehemu ya 5 haijaorodheshwa kwa sasa kwenye ubao huo wa wanaoongoza.
Kwa maneno mengine, 79.2 ni alama ndogo iliyoripotiwa na muuzaji, sio taji ya benchmark. Wastani wa vipimo vitatu vya Azure hufikia 74.3, ikilingana kabisa na mbinu ya Cohere - kwa hivyo ulinganisho ni angalau tufaha-tofaa ndani ya kitengo kidogo kinachofunika.
Hesabu ya Bei
Hoja ya gharama ni mahali ambapo nafasi ya Cohere inapata saruji. API ya Parse inauzwa kwa $1.50 kwa kila kurasa 1,000 - $0.0015 kwa kila ukurasa. Kwa mashirika ambayo yanapendelea nafasi maalum, toleo la Vault la mpangaji mmoja litatumia $4.00 kwa saa ($2,500 kwa mwezi) kwa hali ya Kati, au $7.00 kwa saa ($4,300 kwa mwezi) kwenye XL.
Sehemu ya kuvuka ni muhimu zaidi kuliko nambari yoyote peke yake. Kwa viwango vya mita, mfano wa Vault ya Kati huvunja hata kwa takriban kurasa milioni 1.67 kwa mwezi, na XL kwa takriban milioni 2.87. Chini ya kiasi hicho, kupiga API kama inahitajika ni nafuu; juu yao, uwezo wa kujitolea hushinda kwa bei kabla ya kuhesabu manufaa ya ukaaji wa data ambayo kwa kawaida huchangia kupitishwa kwa Vault kwanza.
Upatikanaji
Parse 5 kwa ujumla inapatikana kupitia API ya Cohere Parse, Microsoft Foundry, AWS SageMaker, na uwekaji wa Vault ya mpangaji mmoja. Hakuna ufikiaji wa lango la leseni ya utafiti - Cohere anachukulia hii kama miundombinu ya uzalishaji kutoka siku ya kwanza.
Inamaanisha Nini kwa Wanunuzi wa Biashara
Toleo hili linaonyesha muundo mpana katika AI ya biashara: uwezo wa kupakana na mipaka unakuwa mdogo vya kutosha kufanya kazi kwa bei nafuu, na wachuuzi wanazidi kushindana kwenye uchumi wa kitengo badala ya alama ghafi. Muundo wa kigezo cha 2.3B ambao huchanganua hati kwa $1.50 kwa kila kurasa elfu moja hubana gharama ya mzigo wa kazi ambao ulikuwa ukihitaji vyumba vya gharama kubwa vya kibiashara vya OCR au mabomba ya ndani ya nyumba.
Toleo hilo pia linasema kitu kuhusu mahali ambapo Cohere anaona ufunguzi wake. Kampuni imehatarisha biashara yake juu ya utumiaji wa vitendo - miundo inayofanya kazi kwa bei nafuu, kwa faragha, na kwa kutabirika ndani ya mazingira ya shirika - badala ya kufuata mipaka. Kichanganuzi cha hati si cha kuvutia karibu na miundo ya hoja za mipakani, lakini uwekaji wa hati ni mojawapo ya mizigo machache ya AI ambapo makampuni ya biashara yanaweza kupima mapato kwa kila ukurasa leo, na Cohere anataka kwa uwazi kumiliki hesabu hiyo.
Kwa wanunuzi, ushauri wa kivitendo kutoka kwa uchanganuzi wa kielelezo ni kushughulikia Sehemu ya 5 jinsi Cohere yenyewe inavyoiweka - kama dai la kujaribu dhidi ya hati zako mwenyewe, haswa ikiwa chati na uwekaji msingi unaoonekana ni muhimu kwa mzigo wako wa kazi, kwa kuwa hivyo ndivyo vipimo ambavyo alama zake zilizoripotiwa huachwa. Kwa uingizaji wa sauti ya juu, maandishi-na-meza-nzito, kesi ya utendaji wa bei ni moja kwa moja; kwa uchanganuzi ambapo chati hubeba maana, viongozi wa ubao wa wanaoongoza wa umma wanasalia kuwa na thamani ya kutathminiwa kwanza.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
