Cohere が Parse 5 を投入——企業向け文書解析で「1ページあたりのコスト」に賭ける

文書解析は、RAG アーキテクチャや企業アーカイブ上で動くエージェントにとって、最大級のボトルネックのひとつだ。そうした状況のなか、2026年8月27日、Cohere は公式ブログで Parse 5（parse-v5.0）の一般提供を発表した。23億パラメータの独自モデルで、VentureBeat はその容量をおよそ4.6ギガバイトと見積もっており、コンテキストウィンドウは8,192トークンである。PDF やスライド、画像を構造化された Markdown に変換する設計で、Cohere によれば、表・フォーム・図・埋め込み画像を認識し、それぞれのバウンディングボックスも返す。学習には金融・保険・科学研究分野の文書が使われ、主要9言語に対応するとされるが、その内訳は公開されておらず、イタリア語が含まれるかどうかは確認できない。

性能面では、Cohere は Parse 5 の ParseBench 平均スコアを79.2としている。ParseBench は LlamaIndex が2026年4月13日に公開したベンチマークで、コードは GitHub 上にある——Cohere 自身のテストではないが、中立な第三者のものでもない。LlamaIndex は LlamaParse を作っており、それが同じ表に並んでいるからだ。数字をよく見ると偏りがある。Cohere が公開しているのは ParseBench の5項目のうち3項目——表（87.0）、Content Faithfulness（86.6）、Semantic Formatting（64.0）——で、グラフと Visual Grounding は外されている（VentureBeat はこれらを「Layout と Chart」と呼んでいる）。同社が自社の内部計測に基づいて公開した比較表では、Parse 5 は GPT-5.5（84.4）、Opus 4.8（84.3）、Gemini 3.5 Flash（81.8）を下回る一方、LlamaParse Cost Effective（78.3）や AWS Textract（53.3）は上回る。LlamaParse との比較対象は Cost Effective 版（78.3）だが、LlamaIndex 自身が公開した評価では、同じ製品の Agentic 構成が総合最高の84.9を記録している。VentureBeat が2026年8月28日に報じたところによれば、Cohere はグラフ項目を除いた理由を、エージェント的なワークフローでは数値の分析的な抽出よりもテキストによる記述で十分だからだと説明している。とはいえ、第三者による独立した実行は現時点で確認できず、除外された項目が最終スコアにどう響くかも検証できないままだ。

Cohere の本当の賭けは、大規模運用における経済的な持続可能性にあるように見える。VentureBeat によれば、同社の VP of AI Search、Nils Reimers 氏はこう述べている。「文書解析が解決済みでないのは、難しいのがテキストを読むことではなく、構造と意味を保つことだからだ」。この課題への同社の答えが、API 経由で1,000ページあたり1.50ドルという価格であり、フル稼働時に最大61%の節約をうたう Model Vault のボリューム割引である。インフラ面では、vLLM 経由で GPU 1枚あたり毎秒4.5ページ（H100 を8枚積んだノードでおよそ36ページ）のスループットを公称する。いずれもメーカー自身が示した性能・コストの数値であり、現時点で外部の独立検証はない。提供チャネルの一覧——Cohere API、Model Vault、Microsoft Foundry、AWS SageMaker、規制業種向けのプライベート展開——も同社の申告で、Microsoft Foundry については Microsoft 側での確認を読むことができなかった。

モデルの重みを公開せず、API と管理された展開経由でしか使えないクローズド製品として配る——この選択は、競争の軸を総合精度から運用コストの最適化へと移す。解析を1ページいくらの問題に還元するのは、企業導入という意味では現実的な一手だ。しかしエージェントが実際に役に立つかどうかは、抽出されたデータの正確さにかかっている。部分的なベンチマーク評価の陰で構造が失われるなら、最初の節約は下流での計算コストと論理コストに姿を変えかねない。 — Olya