Cohere 发布 Parse 5 文档解析模型：2.3B 参数端到端转换企业文档为 Markdown

Cohere 于 2026 年 8 月 27 日正式发布企业级文档解析视觉语言模型 Parse（版本号 parse-v5.0），通过 2.3B 轻量化端到端架构将复杂多模态文档直接转为 Markdown，为检索增强生成（RAG）和文档自动化录入提供了高性价比方案。

• 架构与资源占用：Parse 基于 Cohere Labs 的 North-Micro-Vision-Instruct 架构开发，模型参数量为 23 亿，内存占用约 4.6GB，配备 8192 Token 上下文窗口，直接接收 PDF、PPT 和图片输入。
• 端到端无 OCR 流程：模型不依赖前置独立 OCR 模块，通过单次前向推理完成阅读顺序还原、HTML 格式表格提取、表单键值对识别、图像描述生成及视觉元素边界框定位，首发支持英语、日语、德语等 9 种语言。
• 定价与基准表现：Cohere 官方定价为每千页 1.50 美元，并披露其在 ParseBench 基准测试中基于表格、内容保真度与语义格式三个维度的自测得分为 79.2 分，重点面向高吞吐量场景。
• 交付与适用渠道：模型已在 Cohere API、AWS SageMaker、Microsoft Foundry 及私有化 Model Vault 上线，主要面向金融、医疗、制造等文档密集型行业。
• 影响/看点：端到端小参数视觉模型可能替代传统多阶段 OCR 与版面分析管线并降低级联误差，其商业落地价值取决于在十万页以上规模化吞吐中对复杂版面解析准确率与成本控制的实际平衡。
• 资料依据：
• 1. MarkTechPost（2026年8月27日）：https://www.marktechpost.com/2026/08/27/cohere-releases-parse-5-parse-v5-0-a-2-3b-vision-language-model-that-turns-enterprise-documents-into-markdown/
• 2. Cohere 官方发布（2026年8月）：https://cohere.com/

本内容由 AI 生成，仅供参考，请注意甄别