企業文書をAIが整理、Cohereが新モデル

Cohereは、大量の企業文書取り込みを目的としたドキュメント解析モデルであるParse (parse-v5.0) をリリースしました。これは、Cohere LabsのNorth-Micro-Vision-Instructアーキテクチャに基づいて構築された、2.3B-parameter vision language modelで、8,192-token context windowと約4.6GBのフットプリントを持ちます。Parseは、PDF、PPT、またはJPEGページをbase64-encoded data URIとして受け取り、読み取り順のテキスト、HTMLとしてレンダリングされたテーブル、リスト、フォームのキーバリューペア、画像の説明、およびバウンディングボックス座標を含むMarkdownを返します。その前段に個別のOCRステージはありません。CohereはParse APIの価格を1,000ページあたり1.50ドルとし、最高の精度よりもprice-performanceを重視したモデルとして位置付けています。この主張は、同社が自己報告したParseBenchスコア79.2で裏付けられており、これは後述するように、そのベンチマークの5つの次元のうち3つを測定しています。展開可能か？はい、本番環境で可能です。Parseは、Cohere Parse API、Microsoft Foundry、AWS SageMaker、およびシングルテナントのModel Vaultを通じて一般提供されています。待機リストや研究ライセンスはありません。どの企業向けか：すでにRAG stackを運用している中堅市場のチームは、無料トライアルキーを使用して従量制のAPI callsから始めることができます。レジデンシーまたはエアギャップ要件を持つ大企業は、Model Vaultまたはプライベートデプロイメントに直接移行できます。シードステージのスタートアップも使用できますが、経済的なメリットは月間約100Kページを超えてから顕著になります。どの業界向けか：Cohereは、金融サービス、保険、ヘルスケアおよびライフサイエンス、公共部門、通信、エネルギー、製造業など、スキャンされたフォームや密度の高いテーブルが一般的である文書量の多い業種をターゲットにしています。アプリケーション：RAG ingestion、intelligent document processing、claims and invoice pipelines、contract and filing search、およびエージェントへのdocument context提供。Parseとは？Parseは、Cohere LabsのNorth-Micro-Vision-Instructアーキテクチャに基づいて構築された2.3B-parameter vision language modelで、8,192-token context windowと約4.6GBのフットプリントを持ちます。PDF、PPT、およびJPEGページをba