קוהיר משיקה את Parse 5: מודל ראייה-שפה של 2.3 מיליארד פרמטרים שהופך מסמכים ל-Markdown

קוהיר (Cohere) השיקה את Parse בגרסה 5 (parse-v5.0), מודל ראייה-שפה (Vision Language Model) במשקל 2.3 מיליארד פרמטרים שנבנה על ארכיטקטורת North-Micro-Vision-Instruct של קוהיר לאבס (Cohere Labs). המודל מקבל עמודי PDF, מצגות PPT או תמונות JPEG כ-URI מקודד base64 ומחזיר Markdown עם טקסט בסדר קריאה, טבלאות כ-HTML, רשימות, זוגות מפתח-ערך של טפסים, תיאורי תמונות וקואורדינטות תיבות תוחמות (bounding boxes), והכול במעבר יחיד, בלי שלב OCR נפרד לפניו. חלון ההקשר עומד על 8,192 טוקנים והמשקל הכולל כ-4.6 גיגה-בייט, מה שמאפשר פריסה גם בסביבות מוגבלות משאבים.

בנצ'מרק חלקי ותמונת תחרות

החברה מדווחת על ציון ParseBench של 79.2, אלא שהמספר הזה מחושב כממוצע של שלושה מתוך חמשת ממדי הבנצ'מרק, טבלאות, נאמנות תוכן ועיצוב סמנטי, ומשמיט את ממדי הגרפים והעיגון החזותי (visual grounding), השניים שבהם רוב המפענחים (parsers) נוטים לקרוס. בהשוואה לאותו חישוב חלקי, Mistral OCR 4 מקבל 74.5, Azure Document Intelligence מגיע ל-74.3 ו-Databricks AI Parse ל-72.4. בלוח התוצאות הפומבי המלא, לעומת זאת, שלושת המתחרים הללו נעים סביב 60-59, בעוד LlamaParse Agentic מוביל עם 84.88. קוהיר עצמה אינה מופיעה בלוח הפומבי, כך ש-79.2 הוא ציון מדווח-עצמית על תת-קבוצה, לא מיקום בלוח תוצאות.

פריסה, תמחור ומודל עסקי

המודל זמין כבר עכשיו בייצור דרך Parse API של קוהיר, Microsoft Foundry, AWS SageMaker ו-Model Vault לדייר יחיד (single-tenant), בלי רשימת המתנה ובלי רישיון מחקר. התמחור עומד על 1.50 דולר לאלף עמודים (כ-5.5 שקלים), וקוהיר ממצבת את המוצר על יחס מחיר-ביצועים ולא על דיוק שיא. לדברי החברה, הכלכלה מתחילה להיות משמעותית רק מעל כ-100 אלף עמודים בחודש, מה שמכוון את ההצעה לצוותי mid-market שמריצים כבר מחסנית RAG ולארגונים גדולים עם דרישות תושבות נתונים (data residency) או air-gap.

מצבי פלט ותעשיות יעד

שני מצבי פלט רלוונטיים בפועל: ברירת המחדל מחזירה מחרוזת Markdown לעמוד, ואילו הגדרת output_format="blocks" מחזירה בלוקים מוקלדים, בלוק טבלה נושא את ה-HTML שלו, את תיבת התיחום ואת התיאור. המצב השני הוא שמאפשר עקיבות (traceability) ברמת ציטוט, דרישה קריטית בצנרת עיבוד מסמכים חכמה (IDP). תשע שפות מוגדרות כיציבות, ערבית, אנגלית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית וספרדית, עם תמיכת zero-shot בשאר בדיוק נמוך יותר. קוהיר מכוונת למגזרים עתירי מסמכים: שירותים פיננסיים, ביטוח, בריאות ומדעי חיים, המגזר הציבורי, טלקום, אנרגיה וייצור.

מה זה אומר בפועל לצנרת RAG

לצוותים שבונים צנרת בליעה (ingestion) ל-RAG, Parse מציע חלופה קלת-משקל שמדלגת על שרשרת OCR נפרדת ומחזירה מבנה עשיר דיו לציטוט מקורות. הפער בין הציון המדווח על שלושה ממדים לבין התוצאות הנמוכות משמעותית בלוח המלא מזכיר שכדאי להריץ הערכה (eval) על מסמכים מייצגים של הארגון לפני שמתחייבים בנפח גבוה. בהיעדר נוכחות בלוח הפומבי, ה-79.2 הוא נקודת ייחוס סבירה לבדיקה, לא יותר.