‏Cohere Parse: پارس اسناد سازمانی با هزینهٔ پایین

کوهیر مدل تازه‌ش به اسم Parse رو منتشر کرده؛ یه vision language model (یعنی مدلی که هم‌زمان تصویر و متن رو می‌فهمه) که برای پردازش حجم بالای اسناد سازمانی ساخته شده. تو معرفی رسمی اومده که Parse فقط متن رو تشخیص نمی‌ده، بلکه جدول‌ها، فرم‌ها، دیاگرام‌ها و تصویرهای داخل سند رو هم درک می‌کنه و خروجی رو به شکل مارک‌داون تمیز تحویل می‌ده تا مستقیم بره سراغ ایندکس‌کردن، RAG و ایجنت‌ها. ۹ زبان مهم دنیا رو پشتیبانی می‌کنه.

تو ParseBench که کیفیت پارس رو از دید مصرف ایجنت می‌سنجه، Parse نمرهٔ ۷۹.۲ گرفته، در برابر ۷۸.۳ برای LlamaParse نسخهٔ اقتصادی، ۷۴.۵ برای Mistral OCR 4 و ۷۲.۴ برای Databricks AI Parse. فاصله‌ش با سرویس‌های ابری بزرگ خیلی بیشتره: بالای ۲۰ نمره جلوتر از AWS Textract و Google Document AI. تنها مدل‌هایی که ازش جلو زدن، مدل‌های همه‌منظورهٔ به‌مراتب بزرگ‌تری مثل GPT-5.5، Opus 4.8 و Gemini 3.5 Flash بودن.

از نظر سرعت، Parse حدود ۴.۵ صفحه در ثانیه رو پردازش می‌کنه که روی یه نود ۸ کارته H100 می‌شه ۳۶ صفحه در ثانیه، یعنی نزدیک ۱.۴ برابر dots.mocr و ۲.۲ برابر Chandra OCR 2 روی همون سخت‌افزار. قیمتش رو API کوهیر هر ۱۰۰۰ صفحه ۱.۵ دلاره و اگه بار کاری‌ت سنگین و پیوسته باشه، Model Vault (استقرار تک‌مستأجر روی زیرساخت اختصاصی) تو ۵۰٪ بهره‌وری GPU حدود ۲۳٪ و تو بهره‌وری کامل تا ۶۱٪ ارزون‌تر درمیاد.

نویسندهٔ مطلب خودش شفاف گفته که دو بُعد Layout و Chart رو از مقایسه کنار گذاشتن، چون مدل عمداً برای هر عنصر متنی bounding box نمی‌ده (فقط برای جدول و تصویر) و استخراج دادهٔ عددی نمودارها هم برای نسخهٔ بعدی برنامه‌ریزی شده. Parse الان روی Cohere API، Model Vault، Microsoft Foundry و AWS SageMaker در دسترسه و کنار Embed و Rerank بخشی از پلتفرم Compass هم هست؛ تیم‌های حوزه‌های تنظیم‌شده مثل مالی و بیمه هم می‌تونن روی زیرساخت خودشون مستقرش کنن.

نکات کلیدی:

• نمرهٔ ۷۹.۲ در ParseBench، جلوتر از Mistral OCR 4 با ۷۴.۵ و Databricks AI Parse با ۷۲.۴
• قیمت ۱.۵ دلار به ازای هر ۱۰۰۰ صفحه روی Cohere API
• توان پردازش ۴.۵ صفحه در ثانیه، معادل ۳۶ صفحه در ثانیه روی نود ۸ کارته H100
• خروجی مارک‌داون به‌همراه bounding box برای جدول‌ها و تصویرها، در ۹ زبان
• Model Vault تا ۶۱٪ صرفه‌جویی نسبت به API در بهره‌وری کامل
• استخراج دادهٔ نمودار تو این نسخه نیست و به نسخهٔ بعدی موکول شده