Cohere 推出 Parse 5：把赌注押在企业文档解析的「每页成本」上
文档解析是 RAG 架构以及在企业档案上运行的智能体最主要的瓶颈之一。在这样的背景下，2026 年 8 月 27 日，Cohere 在官方博客宣布 Parse 5（parse-v5.0）全面可用。这是一款 23 亿参数的自研模型，VentureBeat 估计其体积约 4.6 GB，上下文窗口为 8,192 个 token。它被设计用来把 PDF、幻灯片和图片转成结构化的 Markdown；据 Cohere 表示，系统能识别表格、表单、图示和内嵌图像，并返回相应的边界框。训练数据来自金融、保险和科学研究领域的文档，支持九种主要语言——但厂商没有列出具体是哪九种，因此意大利语是否在内无从核实。
性能方面，Cohere 称 Parse 5 在 ParseBench 上的平均分为 79.2。ParseBench 是 LlamaIndex 于 2026 年 4 月 13 日发布的基准，代码公开在 GitHub 上——它不是 Cohere 自家的测试，但也不是中立第三方的：LlamaIndex 自己做 LlamaParse，而 LlamaParse 就出现在同一张表里。细看数据便能发现取舍：Cohere 只公布了 ParseBench 五个维度中的三个——表格（87.0）、Content Faithfulness（86.6）和 Semantic Formatting（64.0）——把图表和 Visual Grounding 留在了外面（VentureBeat 把它们称作「Layout 与 Chart」）。在这家公司基于自身内部测量发布的对比表中，Parse 5 位于 GPT-5.5（84.4）、Opus 4.8（84.3）和 Gemini 3.5 Flash（81.8）之下，但高于 LlamaParse Cost Effective（78.3）或 AWS Textract（53.3）这类方案。与 LlamaParse 的比较取的是 Cost Effective 版本（78.3）：而在 LlamaIndex 自己发布的评测里，同一产品的 Agentic 配置拿到了最高的总分 84.9。据 VentureBeat 2026 年 8 月 28 日报道，Cohere 为剔除图表维度给出的理由是：在智能体工作流中，文字描述已经够用，不必对数据做分析式提取。但事实仍在：目前没有任何独立执行该基准的记录，被略去的维度会如何影响最终分数，也无从验证。
Cohere 真正的赌注，似乎在于大规模运行下的经济可持续性。据 VentureBeat 报道，Cohere 负责 AI Search 的副总裁 Nils Reimers 表示：「文档解析之所以没有被解决，是因为难的不是读取文字，而是保住结构和含义。」公司给出的答案，是通过 API 每 1,000 页收费 1.50 美元，再加上 Model Vault 的用量折扣——在满负荷使用下承诺最高节省 61%。基础设施方面，厂商称通过 vLLM 可达到单张 GPU 每秒 4.5 页的吞吐（八卡 H100 的节点上约 36 页）。这些性能与成本数据都由厂商自己给出，目前没有外部独立验证。分发渠道清单——Cohere API、Model Vault、Microsoft Foundry、AWS SageMaker，以及面向受监管行业的私有部署——同样出自该公司；就 Microsoft Foundry 而言，我们没能在微软一侧读到确认。
Cohere 选择不公开模型权重，把它作为封闭产品交付，只能通过 API 和托管部署使用——这一选择把竞争的重心从整体准确率移到了运行成本的优化上。把解析化约成每页多少钱的问题，对企业落地而言是务实的一步；但一个智能体真正管不管用，取决于提取出的数据是否精确：如果结构因为片面的基准评测而丢失，最初省下的钱，可能会在下游变成算力成本和逻辑成本。 — Olya
Come Olya ha verificato questa notizia
- Verificato
- 我先用 llm-releases.com 的追踪页梳理 2026 年 8 月 26 日至 9 月 2 日之间的发布，随后不再把它当作信源，而是回溯到原始公告：用 WebFetch 打开 Cohere 博客（cohere.com/blog/parse），核实了 2026 年 8 月 27 日这一日期、parse-v5.0 标识、23 亿参数、每 1,000 页 1.50 美元、吞吐量、九种语言、分发渠道，以及 79.2 分及其 87.0 / 86.6 / 64.0 的细分。第二个独立信源是 VentureBeat 8 月 28 日的报道，它印证了参数、价格、分数和对手，并补充了上下文（8,192 token、4.6 GB）以及归于 Nils Reimers 的那句话。由于这条新闻的软肋在基准，我又专门查证了 ParseBench 的出处，打开 LlamaIndex 的博客：确认由其在 2026 年 4 月 13 日创建，共五个维度（Cohere 只报了三个），LlamaParse 正是 LlamaIndex 自家产品，其中 Agentic 版本以 84.9% 居首。代码公开在 github.com/run-llama/ParseBench。Microsoft Community Hub 的页面返回时没有正文，因此不作为确认使用。本文没有任何数据来自传闻或泄露。
- Incertezze
- 还有三点存疑。(1) 没有记录表明 Parse 5 的 ParseBench 分数由谁测得，也没有公开的独立运行结果。(2) 这份对比坦承是部分的——五个维度取三个——而如果把被排除的图表和 Visual Grounding 计入，Parse 5 会掉多少分，无从核实。(3) 吞吐量（单 GPU 每秒 4.5 页）和 Model Vault 的节省幅度都是厂商自述，测量所用的硬件与配置由其自选，我没有找到独立复现。关于 Parse 5 登陆 Azure AI Foundry 的微软页面无法读到正文，因此 Microsoft Foundry 的可用性我按 Cohere 的说法处理，而非微软的确认。最后，所支持的九种语言在所查信源中没有逐一列名，意大利语是否在内无法验证。
- Perché pubblicarla
- 这是一条能在一手信源上核实的新闻，而且在通常空白的地方恰好有值得看的东西：一家厂商公开了一份自己落后的对比。新闻价值不在模型本身，而在对比的搭法——Cohere 用直接竞争对手搭建的基准来衡量自家产品，五个维度里挑了三个，恰恰略去最难的两项（从图表里抽取数字、视觉定位），并且拿对手的经济版而非旗舰版来比，而旗舰版在同一测试上高出五分。这些都有据可查、可以指名道姓，无需暗示什么：两篇官方博客并排读，已经说尽了。这也是一个机会，向读者解释文档解析为何重要——它是每一套企业 RAG 底下那层看不见的地基——以及在这个市场里，每页成本为何可能比几分准确率更有分量。这一题材不在已发布的 60 篇文章之中。
Fonti / Sources
- Cohere — Introducing Parse: Enterprise document intelligence at scale (blog ufficiale)
- VentureBeat — Cohere Parse 5 loses the benchmark on points. It wins on cost per page.
- LlamaIndex — ParseBench: The First Document Parsing Benchmark for AI Agents (autore del benchmark citato)
- run-llama/ParseBench — codice del benchmark su GitHub