Cohereは、大量のエンタープライズ文書を構造化されたMarkdownデータに変換するために設計された高スループットのビジョン言語モデルであるParse v5.0をリリースしました。このモデルは9つの主要な言語をサポートしており、Cohere API、Model Vault、Microsoft Foundry、およびAWS SageMakerを通じて利用可能です。

  • ParseBenchにおいて、Parseは79.2のスコアを獲得し、Mistral OCR 4 (74.5)、Databricks AI Parse (72.4)、LlamaParse (78.3) を上回り、AWS TextractやGoogle Document AIのようなハイパースケーラーのソリューションよりも20ポイント以上優れています。
  • 単一のGPUで秒間4.5ページを処理し、RedNoteのdots.mocrのスループットの約1.4倍、Chandra OCR 2の2.2倍を達成しています。
  • Model Vaultを通じてデプロイすることで大幅なコスト削減が可能で、フル活用時の標準APIと比較して推論コストを最大61%削減します。

このモデルは、ドキュメントインデックス作成、RAG（検索拡張生成）、およびエージェント型検索のための費用対効果の高いソリューションとして位置づけられており、ダウンストリーム自動化のために文書構造を保持します。