Cohere 发布 Parse 5：2.3B 视觉语言模型，将企业文档精准转为 Markdown
一句话结论：Cohere 的 Parse 5 是一个专攻文档解析的 2.3B 视觉语言模型，能将 PDF、幻灯片和图片转换为带 HTML 表格、边界框和图像描述的 Markdown。原始信息显示，该模型 API 定价为每 1000 页 $1.50，或使用专用 Model Vault 实例每月 $2500 起。在 ParseBench 基准上得分 79.2，超过 Mistral OCR 4、Azure Document Intelligence 和 Databricks AI Parse。值得关注的原因是，高质量文档解析是 RAG 和企业知识管理的基础环节，Parse 5 的性价比和性能优势可能改变企业文档处理的技术选型。受影响的是构建 RAG 系统的开发者、企业知识库管理者以及需要处理大量非结构化文档的团队。下一步建议使用 API 测试 Parse 5 在你自己的文档样本上的表现，特别是复杂表格和扫描件，并对比现有 OCR 或解析方案的成本与效果。