Cohere ha presentato Parse, un modello vision-language da 2,3 miliardi di parametri progettato per elaborare grandi quantità di documenti aziendali e convertirli in formato Markdown leggibile dalle macchine. Il sistema è pensato per settori come finanza, assicurazioni e ricerca scientifica, nei quali i documenti contengono spesso non soltanto testo, ma anche tabelle, moduli, diagrammi e immagini incorporate. Parse non si limita quindi all’estrazione dei caratteri tipica dei sistemi OCR, ma analizza anche la disposizione spaziale degli elementi e il loro contesto semantico, con supporto per nove lingue principali, compreso il coreano.
Cohere ha valutato il modello attraverso ParseBench, benchmark dedicato alla capacità di parsing dei documenti per applicazioni basate su agenti AI. Parse ha ottenuto un punteggio medio di 79,2, superiore a Mistral OCR 4, fermo a 74,5, Databricks AI Parse con 72,4, AWS Textract con 53,3 e Google Document AI con 57,3. Soltanto alcuni modelli linguistici di fascia più alta, tra cui GPT-5.5, Opus 4.8 e Gemini 3.5 Flash, hanno registrato punteggi superiori.
Il modello è stato ottimizzato anche per elaborare grandi volumi di documenti. Su un nodo composto da otto GPU Nvidia H100 raggiunge un throughput di 36 pagine al secondo, pari a 2.160 pagine al minuto, con prestazioni fino a 2,2 volte superiori rispetto ai principali modelli di parsing open source presi come riferimento. Questa capacità permette di utilizzare Parse in scenari nei quali devono essere analizzati archivi documentali molto estesi o flussi continui di file senza ricorrere a processi manuali di estrazione e riorganizzazione dei dati.
Cohere ha definito anche una struttura di prezzo specifica per l’utilizzo tramite API. L’elaborazione costa 1,5 dollari ogni 1.000 pagine attraverso Cohere API, mentre l’adozione tramite Model Vault, la piattaforma di inferenza dedicata dell’azienda, oppure attraverso un’installazione on-premise può consentire un’ulteriore riduzione dei costi fino al 61%. Questa possibilità è rivolta in particolare alle organizzazioni che devono processare grandi quantità di documenti e preferiscono mantenere l’infrastruttura di inferenza all’interno del proprio ambiente.
Il formato prodotto da Parse è destinato direttamente all’utilizzo da parte di sistemi di ricerca, applicazioni di generative AI e workflow agentici. Cohere indica tra gli impieghi principali l’automazione dell’inserimento manuale dei dati, la costruzione di sistemi di ricerca più precisi, l’alimentazione di architetture RAG e la preparazione delle informazioni necessarie agli agenti autonomi. La capacità di interpretare la struttura visiva di un documento permette infatti di conservare relazioni tra testi, tabelle e altri elementi che possono andare perse quando il contenuto viene trattato come una semplice sequenza di caratteri.
Parse viene distribuito attraverso Cohere API e Model Vault ed è disponibile anche sulle principali piattaforme cloud enterprise, comprese Microsoft Foundry e Amazon SageMaker. Cohere punta quindi a rendere il modello utilizzabile sia come servizio gestito sia all’interno di infrastrutture aziendali dedicate, mantenendo come obiettivo principale l’elaborazione su larga scala di documenti complessi destinati a sistemi di ricerca, RAG e agenti AI.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)