أعلنت Cohere إتاحة Parse 5 لمعالجة ملفات PDF والعروض التقديمية والصور الممسوحة ضوئياً وتحويلها إلى Markdown منظم، مستهدفة المؤسسات التي تحتاج إلى إدخال كميات كبيرة من المستندات في تطبيقات الذكاء الاصطناعي والوكلاء البرمجيين. ويتوفر النموذج عبر Cohere API وModel Vault وMicrosoft Foundry وAWS SageMaker.
تضع الشركة Parse 5 في موقع مختلف عن نماذج الذكاء الاصطناعي العامة الأكبر: ليس بوصفه الأكثر دقة، بل باعتباره محاولة لتحقيق توازن بين الدقة والتكلفة عند معالجة ملايين الصفحات. حددت Cohere سعر الاستخدام عبر واجهة البرمجة عند 1.50 دولار لكل 1,000 صفحة، بينما يتيح Model Vault النشر المُدار على منصة آمنة أحادية المستأجر للأحجام الأكبر.
نموذج واحد بدلاً من سلسلة معالجة منفصلة
يعتمد Parse 5 على نموذج رؤية ولغة يضم 2.3 مليار مُعامل، ومبني على بنية North-Micro-Vision-Instruct من Cohere Labs. ويبلغ طول نافذة السياق 8,192 رمزاً، فيما يقدر حجم النموذج بنحو 4.6 غيغابايت. يستقبل النموذج صفحة PDF أو PowerPoint أو JPEG بصيغة صورة مشفرة بـbase64، ثم يعيد محتواها بترتيب القراءة في صورة Markdown.
تُحوّل الجداول إلى HTML، كما يضيف النموذج أوصافاً للصور وإحداثيات مربعات الإحاطة للجداول والصور. ويعيد الوضع الافتراضي سلسلة Markdown لكل صفحة، في حين يوفر وضع blocks عناصر مكتوبة النوع، بحيث يحتوي كل جدول على HTML الخاص به ووصفه وإحداثياته. وترى Cohere أن هذا التنسيق يساعد على تتبع مصدر المعلومات على مستوى الاقتباس داخل تطبيقات الوكلاء.
يحصل كل من العربية والإنجليزية والفرنسية والألمانية والإيطالية واليابانية والكورية والبرتغالية والإسبانية على دقة مستقرة وفق المصدر، مع دعم zero-shot بدقة أقل للغات الأخرى.
دقة أقل من النماذج الأكبر ومقابل مالي مختلف
وفق مقارنة ParseBench التي نشرتها Cohere، سجل Parse 5 درجة 79.2 عبر ثلاثة أبعاد هي الجداول، وأمانة المحتوى، والتنسيق الدلالي. وتفوقت عليه نماذج GPT-5.5 بدرجة 84.4، وOpus 4.8 بدرجة 84.3، وGemini 3.5 Flash بدرجة 81.8. في المقابل، تفوق Parse 5 على فئة Cost Effective من LlamaParse التي سجلت 78.3، وعلى Mistral OCR 4 بدرجة 74.5، وDatabricks AI Parse بدرجة 72.4، وAzure Document Intelligence بدرجة 69.3.
تستثني المقارنة بُعدي التخطيط Layout والمخططات Chart، وتقول Cohere إن ذلك يعود إلى نطاق المنتج. فالنموذج يعيد النص بترتيب القراءة بدلاً من توفير إحداثيات لكل عنصر نصي، كما يصف المخططات بدلاً من استخراج بياناتها الأساسية. وتقول الشركة إن استخراج بيانات المخططات مخطط لإصدار مستقبلي.
ما الذي يتغير عملياً للمؤسسات؟
تكمن قيمة Parse 5 الأساسية في تقليص الاعتماد على نموذج عام كبير لكل صفحة، وليس في التفوق المطلق على أدوات المعالجة. وقدرت Cohere، في سير عمل نموذجي لشركة خدمات مالية يعالج 750 مليون مستند سنوياً، أن استخدام Parse 5 بدلاً من GPT-5.5 قد يخفض التكلفة بأكثر من 98%. لكن هذه النسبة تقدير صادر عن الشركة لسير عمل مُنمذج، وليست نتيجة نشر مدقق أو دراسة مستقلة.
تؤكد هذه المقارنة أن اختيار أداة تحليل المستندات لا ينبغي أن يعتمد على نتيجة معيارية واحدة. فإذا فُقدت الجداول أو العناوين أو ترتيب القراءة أثناء الإدخال، فلن تتمكن نماذج التضمين أو النماذج الأكبر لاحقاً من استعادة البنية المفقودة. لذلك ستحتاج المؤسسات إلى اختبار Parse 5 على مستنداتها الأصعب وقياس دقة الاسترجاع والمهام النهائية، لا الاكتفاء بتقييم شكل النص المستخرج.
تدعم آراء الخبراء الواردة في المصدر هذا الاستخدام الحذر؛ إذ يرون أن Parse 5 يقع بين OCR التقليدي وتشغيل نموذج عام مرتفع التكلفة على كل صفحة. ويبقى السؤال المفتوح هو ما إذا كان توفير البنية وإحداثيات العناصر والسعر المنخفض سيؤدي فعلاً إلى نتائج أفضل في التطبيقات النهائية، خصوصاً في المستندات الغنية بالمخططات أو التخطيطات المعقدة.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.