Cohere đã phát hành Parse 5 (parse-v5.0), một mô hình phân tích tài liệu nhằm mục đích nhập vào doanh nghiệp với số lượng lớn và hiện đã có sẵn mà không cần danh sách chờ. Theo chi tiết của MarkTechPost, bản phát hành này là một cuộc đặt cược rằng hầu hết các doanh nghiệp quan tâm nhiều hơn đến chi phí trên mỗi trang hơn là vị trí trên bảng xếp hạng — một cuộc đặt cược VentureBeat tóm tắt một cách thẳng thắn: Phân tích cú pháp 5 "mất điểm chuẩn về điểm. Nó thắng về chi phí trên mỗi trang."

Phân tích cú pháp 5 thực sự là gì For more context on this story, see our ongoing artificial intelligence updates.

Parse 5 là mô hình ngôn ngữ tầm nhìn gồm 2,3 tỷ tham số được xây dựng trên kiến trúc North-Micro-Vision-Instruct của Cohere Labs, với cửa sổ ngữ cảnh 8.192 mã thông báo và dung lượng khoảng 4,6 GB. Nó lấy trang PDF, PowerPoint hoặc JPEG làm đầu vào được mã hóa base64 và trả về Markdown chỉ trong một lần chuyển: văn bản theo thứ tự đọc, bảng được hiển thị dưới dạng HTML, danh sách, biểu mẫu cặp khóa-giá trị, mô tả hình ảnh và tọa độ hộp giới hạn cho các phần tử trực quan.

Sự lựa chọn kiến ​​trúc đáng chú ý là những gì nó loại bỏ. Không có giai đoạn OCR riêng biệt phía trước mô hình — việc phát hiện bố cục, nhận dạng văn bản và cấu trúc diễn ra bên trong một mạng, giúp đơn giản hóa việc triển khai và loại bỏ nguồn lỗi xếp tầng phổ biến trong quy trình tài liệu truyền thống.

Cohere liệt kê chín ngôn ngữ là ổn định — tiếng Ả Rập, tiếng Anh, tiếng Pháp, tiếng Đức, tiếng Ý, tiếng Nhật, tiếng Hàn, tiếng Bồ Đào Nha và tiếng Tây Ban Nha — với sự hỗ trợ không cần bắn cho những ngôn ngữ khác ở độ chính xác thấp hơn.

Hai chế độ đầu ra

Ở chế độ mặc định, Parse 5 trả về chuỗi Markdown trên mỗi trang. Thay vào đó, chế độ thứ hai, được bật bằng `output_format="blocks"`, trả về các khối đã nhập, trong đó mỗi khối bảng mang HTML, hộp giới hạn và mô tả của nó. Chế độ thứ hai đó là yếu tố giúp khả năng truy xuất nguồn gốc ở cấp độ trích dẫn - doanh nghiệp có thể quay lại chính xác vị trí trên trang mà một số liệu được phân tích cú pháp đến từ đó, điều này quan trọng đối với các ngành được quản lý cung cấp tài liệu vào hệ thống tạo tăng cường truy xuất.

Cảnh báo về điểm chuẩn

Cohere báo cáo điểm ParseBench là 79,2 cho Parse 5, trước Mistral OCR 4 ở 74,5, Azure Document Intelligence ở 74,3 và Databricks AI Parse ở 72,4. Nhưng có một dấu hoa thị quan trọng mà phân tích của MarkTechPost giải nén một cách chi tiết.

ParseBench là điểm chuẩn LlamaIndex của khoảng 2.078 trang doanh nghiệp do con người xác minh được chấm điểm trên năm khía cạnh: bảng, biểu đồ, độ trung thực của nội dung, định dạng ngữ nghĩa và nền tảng trực quan. 79,2 của Cohere chỉ tính trung bình ba trong số năm chiều đó, bỏ biểu đồ và nền tảng trực quan - chính xác là hai chiều mà hầu hết các trình phân tích cú pháp hoạt động kém nhất. Trên bảng xếp hạng năm chiều công khai, các nhà cung cấp tương tự có điểm tổng thể thấp hơn nhiều: Mistral OCR 4 và Databricks AI Parse ở mức 60,68, Azure Document Intelligence (Layout) ở mức 59,64, với LlamaParse Agentic dẫn đầu bảng ở mức 84,88. Phân tích cú pháp 5 hiện không được liệt kê trên bảng xếp hạng đó.

Nói cách khác, 79,2 là điểm tập hợp con do nhà cung cấp báo cáo, không phải là điểm chuẩn. Mức trung bình ba chiều của Azure đạt tới 74,3, khớp chính xác với phương pháp của Cohere - do đó, sự so sánh ít nhất là táo bạo trong tập hợp con mà nó bao gồm.

Toán định giá

Đối số về chi phí là nơi định vị của Cohere trở nên cụ thể. API Parse có giá 1,50 USD trên 1.000 trang — 0,0015 USD mỗi trang. Đối với các tổ chức thích công suất chuyên dụng, ưu đãi Model Vault cho một đối tượng thuê có giá 4,00 USD mỗi giờ (2.500 USD mỗi tháng) trên phiên bản Trung bình hoặc 7,00 USD mỗi giờ (4.300 USD mỗi tháng) trên phiên bản XL.

Điểm giao nhau quan trọng hơn một trong hai con số. Ở tốc độ định mức, phiên bản Medium Vault hòa vốn ở mức khoảng 1,67 triệu trang mỗi tháng và XL ở mức khoảng 2,87 triệu trang mỗi tháng. Dưới mức đó, việc gọi API khi cần sẽ rẻ hơn; ở trên chúng, công suất chuyên dụng sẽ thắng về giá trước khi tính đến các lợi ích về nơi lưu trữ dữ liệu thường thúc đẩy việc áp dụng Vault ngay từ đầu.

Sẵn có

Parse 5 thường có sẵn thông qua Cohere Parse API, Microsoft Foundry, AWS SageMaker và triển khai Model Vault một bên thuê. Không có quyền truy cập vào giấy phép nghiên cứu - Cohere coi đây là cơ sở hạ tầng sản xuất ngay từ ngày đầu.

Ý nghĩa của nó đối với người mua doanh nghiệp

Bản phát hành phản ánh một mô hình rộng hơn trong AI doanh nghiệp: khả năng liền kề biên giới đang trở nên đủ nhỏ để hoạt động với giá rẻ và các nhà cung cấp đang ngày càng cạnh tranh về kinh tế đơn vị hơn là điểm số thô. Mô hình tham số 2,3B phân tích tài liệu ở mức 1,50 USD trên một nghìn trang giúp giảm chi phí của khối lượng công việc vốn thường yêu cầu bộ OCR thương mại đắt tiền hoặc đường dẫn nội bộ dễ hỏng.

Bản phát hành cũng nói lên điều gì đó về nơi Cohere nhìn thấy phần mở đầu của nó. Công ty đã đặt cược hoạt động kinh doanh doanh nghiệp của mình vào tính thực tiễn triển khai — các mô hình chạy với chi phí rẻ, riêng tư và có thể dự đoán được trong môi trường doanh nghiệp — thay vì chạy theo biên giới. Trình phân tích cú pháp tài liệu không mấy hấp dẫn so với các mô hình lý luận biên giới, nhưng việc nhập tài liệu là một trong số ít khối lượng công việc AI mà doanh nghiệp có thể đo lường lợi nhuận trên mỗi trang ngày nay và Cohere rõ ràng muốn sở hữu phép toán đó.

Đối với người mua, lời khuyên thiết thực từ phân tích điểm chuẩn là hãy xử lý Parse 5 theo cách Cohere tự đóng khung nó - như một tuyên bố để kiểm tra các tài liệu của chính bạn, đặc biệt nếu biểu đồ và nền tảng trực quan là trọng tâm trong khối lượng công việc của bạn, vì đó là những thứ nguyên mà điểm số được báo cáo của nó bỏ qua. Đối với việc truyền tải số lượng lớn, nhiều văn bản và bảng, trường hợp hiệu suất giá rất đơn giản; để phân tích cú pháp nơi biểu đồ mang ý nghĩa, các nhà lãnh đạo của bảng xếp hạng công khai vẫn đáng được đánh giá trước tiên.

---

Stay Ahead of AI

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

Read more AI news →