Cohere выпускает Parse 5: ставка на стоимость страницы в корпоративном разборе документов

Разбор документов — одно из главных узких мест в архитектурах RAG и в работе агентов на корпоративных архивах. На этом фоне 27 августа 2026 года Cohere объявила в официальном блоге об общедоступности Parse 5 (parse-v5.0). Это закрытая модель на 2,3 млрд параметров; издание VentureBeat оценивает её объём примерно в 4,6 гигабайта, окно контекста — 8192 токена. Она рассчитана на превращение PDF, слайдов и изображений в структурированный Markdown; по заявлению Cohere, система распознаёт таблицы, формы, диаграммы и встроенные изображения и возвращает их bounding box. Обучение шло на документах финансового и страхового секторов и научных исследований, поддерживаются девять основных языков — но перечня поставщик не привёл, так что проверить наличие итальянского невозможно.

По производительности Cohere заявляет для Parse 5 средний балл 79,2 на ParseBench — бенчмарке, выпущенном LlamaIndex 13 апреля 2026 года, с открытым кодом на GitHub. Это не тест Cohere, но и не тест нейтральной третьей стороны: LlamaIndex выпускает LlamaParse, который стоит в той же таблице. Если присмотреться к цифрам, видна избирательность: Cohere публикует результаты по трём из пяти измерений ParseBench — Таблицы (87,0), Content Faithfulness (86,6) и Semantic Formatting (64,0) — оставляя за скобками Графики и Visual Grounding (VentureBeat называет их «Layout и Chart»). В сравнительной таблице, опубликованной компанией на основе собственных внутренних замеров, Parse 5 стоит ниже GPT-5.5 (84,4), Opus 4.8 (84,3) и Gemini 3.5 Flash (81,8), но выше решений вроде LlamaParse Cost Effective (78,3) или AWS Textract (53,3). Сравнение с LlamaParse взято по варианту Cost Effective (78,3): в оценке, опубликованной самой LlamaIndex, конфигурация Agentic того же продукта получает высший общий балл — 84,9. Как сообщил VentureBeat 28 августа 2026 года, отказ от измерения по графикам Cohere объяснила тем, что для агентных сценариев достаточно текстового описания, а не аналитического извлечения данных. Остаётся факт: независимый прогон бенчмарка на сегодня нигде не задокументирован, и влияние опущенных измерений на итоговый балл проверить нельзя.

Настоящая ставка Cohere, похоже, лежит в экономике большого масштаба. Как передаёт VentureBeat, вице-президент по AI Search в Cohere Нильс Раймерс заявил: «Разбор документов не решён, потому что трудность не в том, чтобы прочитать текст, а в том, чтобы сохранить структуру и смысл». Ответ компании на эту задачу — тариф 1,50 доллара за 1000 страниц через API вместе с объёмными скидками в Model Vault, которые при полной загрузке обещают экономию до 61%. По инфраструктуре поставщик заявляет пропускную способность 4,5 страницы в секунду на один GPU (около 36 страниц на узле с восемью картами H100) через vLLM. Это показатели производительности и стоимости, названные самим производителем, пока без независимых внешних проверок. Перечень каналов — API Cohere, Model Vault, Microsoft Foundry, AWS SageMaker и частные развёртывания для регулируемых отраслей — тоже заявлен компанией; по Microsoft Foundry подтверждения на стороне Microsoft прочитать не удалось.

Решение Cohere не выкладывать веса и распространять модель как закрытый продукт, доступный только через API и управляемые развёртывания, смещает конкуренцию с общей точности на оптимизацию стоимости эксплуатации. Свести разбор документов к цене за страницу — прагматичный ход для корпоративного внедрения, но реальная польза агента зависит от точности извлечённых данных: если структура теряется из-за частичных оценок на бенчмарках, первоначальная экономия рискует обернуться вычислительными и логическими издержками дальше по цепочке. — Olya