Cohere lanza Parse 5, su modelo para leer documentos

Cohere ha lanzado Parse, en su versión parse-v5.0, un modelo de visión y lenguaje de 2.300 millones de parámetros pensado para convertir documentos empresariales en Markdown a gran escala. Según reveló el medio especializado MarkTechPost el 27 de agosto y confirmó por separado el diario surcoreano AI Times, el sistema recibe una página de PDF, PowerPoint o una imagen JPEG codificada en base64 y devuelve el texto en su orden de lectura original, las tablas convertidas a HTML, las listas, los pares clave-valor de los formularios, las descripciones de las imágenes y las coordenadas de cada elemento situado en la página.

Sin una fase de OCR por separado

A diferencia de los sistemas clásicos de digitalización, que primero pasan el documento por un motor de reconocimiento óptico de caracteres, Parse hace ese trabajo en una sola pasada: el propio modelo de visión y lenguaje —construido sobre la arquitectura North-Micro-Vision-Instruct de Cohere Labs— recupera a la vez el texto, la disposición de la página, las tablas, los formularios y las imágenes. Tiene una ventana de contexto de 8.192 tokens y ocupa unos 4,6 gigabytes en disco. Cohere ofrece dos modos de salida: uno que entrega directamente una cadena en Markdown, y otro, llamado 'blocks', que devuelve bloques con su tipo, su código HTML, su posición exacta en la página y su descripción —pensado para que un sistema de recuperación de información pueda citar con precisión de qué parte exacta del documento procede cada dato. Según AI Times, el modelo admite de forma estable nueve idiomas, entre ellos el español, el coreano, el inglés, el francés, el alemán y el japonés, y procesa 36 páginas por segundo —2.160 por minuto— funcionando sobre ocho nodos de GPU H100, una velocidad que el diario sitúa en torno a 2,2 veces superior a la de los analizadores de documentos de código abierto con los que compite.

Una cifra que la propia Cohere ha elegido

Cohere respalda su apuesta por el precio frente al rendimiento máximo con una puntuación de 79,2 en ParseBench, el banco de pruebas de LlamaIndex que evalúa cerca de 2.078 páginas empresariales verificadas por humanos en cinco dimensiones: tablas, gráficos, fidelidad del contenido, formato semántico y localización visual. Esa cifra, sin embargo, promedia solo tres de esas cinco dimensiones —deja fuera los gráficos y la localización visual, precisamente donde la mayoría de los analizadores de documentos flaquean—. Con ese mismo criterio de tres dimensiones, Parse queda por delante de Mistral OCR 4 (74,5), Azure Document Intelligence (74,3) y Databricks AI Parse (72,4); AI Times añade a la comparación AWS Textract (53,3) y Google Document AI (57,3), y precisa que solo modelos de lenguaje de primera línea como GPT-5.5, Opus 4.8 y Gemini 3.5 Flash superan a Parse en esa misma prueba. Cuando se mide con las cinco dimensiones completas del ránking público, los mismos rivales caen muy por debajo —Mistral OCR 4 y Databricks AI Parse se quedan en 60,68 puntos, y Azure Document Intelligence (Layout) en 59,64— y Cohere Parse no figura todavía en esa clasificación completa, donde LlamaParse Agentic lidera con 84,88 puntos.

• Precio de la API por uso: 1,50 dólares por cada 1.000 páginas.
• Model Vault, instancia Medium: 4 dólares por hora, o 2.500 dólares al mes.
• Model Vault, instancia XL: 7 dólares por hora, o 4.300 dólares al mes.
• Punto de equilibrio frente al pago por página: alrededor de 1,67 millones de páginas al mes en la instancia Medium, y 2,87 millones en la XL.
• Ahorro adicional del despliegue en Model Vault o en las instalaciones del cliente, según AI Times: hasta un 61% frente a la tarifa estándar por página.

Para quién está pensado

Parse ya está disponible en producción, sin lista de espera ni licencia de investigación previa, a través de la API de Cohere, de Microsoft Foundry, de AWS SageMaker y de Model Vault, la opción de instancia dedicada de un solo cliente. Cohere dirige el producto a sectores que procesan grandes volúmenes de papeleo —banca y servicios financieros, seguros, sanidad y ciencias de la vida, sector público, telecomunicaciones, energía y manufactura— para tareas como alimentar sistemas de recuperación aumentada (RAG), tramitar siniestros y facturas, buscar en contratos y expedientes, o dar contexto documental a agentes de inteligencia artificial. Los equipos que ya cuentan con una infraestructura de RAG pueden empezar con llamadas a la API medidas por uso y una clave de prueba gratuita, mientras que las grandes empresas con requisitos de residencia de datos o de aislamiento total del sistema pasan directamente a Model Vault o a un despliegue privado; la economía de una instancia dedicada, según MarkTechPost, solo empieza a compensar por encima de aproximadamente 100.000 páginas al mes.

Para una empresa española que gestiona grandes volúmenes de facturas, contratos o expedientes administrativos —un banco, una aseguradora o una administración pública—, Parse ofrece una alternativa de coste conocido a herramientas como Azure Document Intelligence o Amazon Textract, con la ventaja de que el español figura entre los nueve idiomas con soporte estable del modelo. La cifra de rendimiento que promociona Cohere conviene leerla, aun así, con cautela: al medirse con las cinco dimensiones completas del banco de pruebas público, ni Parse ni sus principales rivales comerciales se acercan todavía al resultado de los sistemas especializados que lideran esa clasificación. Antes de migrar un flujo de trabajo crítico, la prueba con los propios documentos de la empresa sigue siendo la única verificación que cuenta.