A Cohere disponibilizou o modelo Parse 5, com 2,3 bilhões de parâmetros, para converter PDF, slides e documentos digitalizados em Markdown estruturado. O modelo processa a página como uma imagem e produz o resultado em uma única passagem por um modelo de linguagem visual; ele retorna tabelas em HTML, imagens com suas descrições e coordenadas que indicam as posições das tabelas e das imagens. O preço da API foi anunciado como US$ 1,50 por 1.000 páginas.
Na comparação ParseBench da Cohere, o Parse 5 obteve 79,2 pontos nas dimensões de tabelas, precisão do conteúdo e formatação semântica. Essa pontuação ficou abaixo dos 84,4 do GPT-5.5, dos 84,3 do Opus 4.8 e dos 81,8 do Gemini 3.5 Flash, mas acima dos 78,3 da camada Cost Effective do LlamaParse. O modelo está disponível por meio da Cohere API, do Model Vault, do Microsoft Foundry e do AWS SageMaker. As dimensões Chart e Layout não foram incluídas na avaliação, enquanto foi informado que o recurso de extração de dados de gráficos está planejado para uma versão futura.
Por que isso é importante
O Parse 5 oferece um padrão de saída que permite processar conjuntamente tabelas, imagens e suas posições dentro da página, em vez de obter apenas texto nos processos de conversão de documentos. Isso pode afetar diretamente a forma como os dados obtidos serão utilizados em etapas posteriores pelas equipes que trabalham com PDF e documentos digitalizados; no entanto, a ausência de suporte à extração de dados de gráficos limita seu escopo. Os resultados de desempenho mostram que o modelo está abaixo de alguns concorrentes, mas acima da camada mencionada do LlamaParse; além disso, a ausência das dimensões de gráficos e layout na avaliação reduz o alcance da comparação. O preço e o acesso por diferentes plataformas de nuvem exigem que a escolha seja feita não apenas com base na pontuação do modelo, mas também de acordo com a forma de uso e a infraestrutura técnica existente.