Cohere vừa giới thiệu Parse 5, mô hình AI chuyên xử lý tài liệu có khả năng chuyển PDF, slide và hình ảnh sang Markdown có cấu trúc. Sản phẩm được hãng định vị ở bài toán chi phí/hiệu năng, thay vì chỉ tập trung vào độ chính xác cao nhất.

Theo VentureBeat ngày 27/8 (giờ địa phương), Parse 5 là mô hình thị giác - ngôn ngữ với 2,3 tỷ tham số. Cohere cho biết mô hình này được thiết kế để trích xuất nội dung tài liệu theo định dạng có cấu trúc, phục vụ các tác vụ doanh nghiệp cần xử lý khối lượng lớn.

Trong bộ đánh giá nội bộ ParseBench, Parse 5 đạt điểm trung bình 79,2 ở ba hạng mục gồm bảng biểu, độ trung thực nội dung và định dạng ngữ nghĩa. Mức này thấp hơn GPT-5.5 với 84,4 điểm, Opus 4.8 với 84,3 điểm và Gemini 3.5 Flash với 81,8 điểm, nhưng vượt LlamaParse, Mistral OCR 4, Databricks AI Parse và Azure Document Intelligence.

Cohere công bố giá API của Parse 5 từ 1,50 USD cho mỗi 1.000 trang. Công ty cũng cung cấp Model Vault theo mô hình single-tenant cho các doanh nghiệp có nhu cầu xử lý khối lượng tài liệu lớn.

Về cách vận hành, Parse 5 xử lý từng trang như một hình ảnh và trả kết quả chỉ sau một lượt suy luận của mô hình thị giác - ngôn ngữ. Cách tiếp cận này thay cho quy trình nhiều bước trước đây, khi OCR và mô hình AI thường phải hoạt động tách biệt.

Nils Reimers, Phó chủ tịch phụ trách AI Search của Cohere, cho biết thách thức lớn nhất của bài toán phân tích tài liệu là giữ được cả cấu trúc lẫn ý nghĩa của nội dung. Theo ông, nhiều công cụ hiện nay vẫn bỏ sót cấu trúc tài liệu, trong khi ngay cả các mô hình hàng đầu cũng dễ mắc lỗi với những trang có bố cục phức tạp.

Cohere cũng đưa ra mô phỏng về một quy trình dịch vụ tài chính xử lý 750 triệu tài liệu mỗi năm. Theo đó, nếu dùng Parse 5 thay cho GPT-5.5, chi phí có thể giảm hơn 98%.