Cohere lança o Parse 5: um modelo de linguagem para converter documentos empresariais em markdown

A Cohere lançou o Parse 5 (parse-v5.0), um modelo de linguagem com visão, projetado para converter documentos empresariais em Markdown estruturado. O modelo, que possui 2,3 bilhões de parâmetros, opera na arquitetura North-Micro-Vision-Instruct da Cohere Labs e apresenta uma janela de contexto de 8.192 tokens e uma pegada de aproximadamente 4,6 GB. Ele aceita entradas como PDFs, PPTs e páginas JPEG codificadas como URIs de dados base64 e produz Markdown com texto em ordem de leitura, tabelas renderizadas em HTML, listas, pares chave-valor de formulários, descrições de imagens e coordenadas de caixas delimitadoras. Ao contrário de alguns concorrentes, ele não requer uma etapa OCR separada, processando texto, tabelas, listas, formulários e elementos visuais em uma única passagem. O modelo suporta nove idiomas, incluindo árabe, inglês, francês, alemão, italiano, japonês, coreano, português e espanhol, com suporte zero-shot para outros idiomas em menor precisão. O Parse oferece dois modos de saída: o padrão retorna Markdown por página, enquanto o modo 'blocos' fornece blocos formatados com HTML, caixas delimitadoras e descrições, permitindo rastreamento em nível de citação. A Cohere relata uma pontuação de ParseBench de 79,2, que representa uma média de desempenho em tabelas, fidelidade de conteúdo e formatação semântica, superando Mistral OCR 4 (74,5), Azure Document Intelligence (74,3) e Databricks AI Parse (72,4). O benchmark ParseBench avalia cinco dimensões, incluindo tabelas, gráficos, fidelidade de conteúdo, formatação semântica e ancoragem visual, com a pontuação da Cohere excluindo gráficos e ancoragem visual, onde a maioria dos analisadores tem dificuldades. A Cohere preciza a API do Parse a US$ 1,50 por 1.000 páginas. Na Model Vault, o Parse 5 funciona a US$ 4,00 por hora ou US$ 2.500 por mês para uma instância Média, e US$ 7,00 por hora ou US$ 4.300 por mês para uma instância XL. O ponto de equilíbrio para uma instância Média é de aproximadamente 1,67 milhões de páginas por mês, enquanto uma instância XL atinge 2,87 milhões de páginas. Abaixo dessas barreiras, as chamadas de API pagas são mais econômicas, enquanto a capacidade dedicada se torna preferível acima delas, especialmente considerando preocupações com a residência de dados. O modelo Parse está atualmente disponível através da API Cohere Parse, Microsoft Foundry, AWS SageMaker e Model Vault com aluguel, sem necessidade de inscrição ou licença de pesquisa. A Cohere também destaca detalhes técnicos e convida os usuários a experimentar o modelo no Hugging Face. A publicação original apareceu no MarkTechPost.