Cohere推出文档解析模型Parse 5 ：23亿参数视觉大模型，PDF一键转为Markdown

105 0

企业大模型厂商 Cohere 正式发布新一代文档解析产品 Parse‑v5.0（Parse 5），一款面向大批量文档处理、RAG知识库数据摄入场景的轻量视觉语言模型。无需单独的OCR环节，就能够直接解析PDF、PPT、图片文件，输出结构化 Markdown 文档，为金融、保险、政务等文档密集行业提供性价比更高的文档提取方案。

官方介绍：https://cohere.com/blog/parse
Demo：https://huggingface.co/spaces/CohereLabs/cohere-parse

Parse 5 属于23亿参数视觉语言模型，基于 North‑Micro‑Vision‑Instruct 架构打造，上下文窗口大小为8192 Token，模型运行内存占用仅约 4.6GB，轻量化的特性十分适合企业部署。

Cohere推出文档解析模型Parse 5 ：23亿参数视觉大模型，PDF一键转为Markdown

文件输入以base64编码形式传入，支持PDF、PPT、JPEG页面。最核心的亮点是没有独立前置OCR步骤，模型单次推理就可以一次性识别页面内全部元素：文本阅读顺序、列表、表单键‑值对、表格、配图说明以及各个元素对应的边框坐标。表格内容会直接渲染成HTML格式，方便下游系统二次加工。

模型稳定支持阿拉伯语、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、西班牙语共9种语言；其余语种可通过零样本能力识别，但解析精度会有所下降。同时它提供两种输出模式，默认输出单页 Markdown；output_format="blocks" 则返回结构化数据块，附带表格HTML、边框坐标信息，可实现原文内容的溯源定位。

部署渠道与适用对象

该模型已经正式投产可用，没有内测等待名单，可通过多种途径接入：Cohere Parse API、Microsoft Foundry、AWS SageMaker，或是单租户隔离环境 Model Vault 私有部署。

中小企业：走按量计费API，免费密钥即可上手，适合已经搭建好RAG知识库的团队；
大型企业：有数据本地留存、物理隔离需求，可以选择 Model Vault 私有部署；
成本平衡点：按月处理页数高于167万页时，Medium规格专用实例成本才优于按量API；XL实例盈亏线约287万页。月处理量较低时，直接调用API更加划算。

目标落地行业覆盖金融服务、保险、医疗生命科学、政府部门、电信、能源与制造业。典型场景包含知识库RAG文档导入、发票理赔自动化流水线、合同档案检索、AI智能代理获取文档上下文。

基准成绩：看清得分背后的评估口径

Cohere 公布其在 ParseBench 评测得分 79.2。这份基准来自 LlamaIndex，一共设置五大评估维度：表格识别、图表解析、内容保真度、语义格式、视觉定位。

这里79.2仅取表格、内容保真度、语义格式三项指标取平均值，图表、视觉定位两项未计入。
在这三项维度对比当中，Parse 5（79.2）领先 Mistral OCR 4（74.5）、Azure Document Intelligence（74.3）、Databricks AI Parse（72.4）。

而完整五项维度排行榜当中，各家厂商分数都明显下降，因此该成绩并不等同于综合榜单排名，企业落地之前建议拿自身业务文档开展实测验证效果。