코히어, 문서를 마크다운으로 바꾸는 '파스 5' 공개

코히어(Cohere)가 기업 문서를 대규모로 마크다운으로 변환하도록 설계된 23억 개 매개변수 규모의 비전-언어 모델, 파스(Parse)의 parse-v5.0 버전을 공개했다. 전문 매체 마크테크포스트(MarkTechPost)가 8월 27일 보도했고, 한국 매체 AI타임스가 별도로 이를 확인한 바에 따르면, 이 시스템은 base64로 인코딩된 데이터 URI 형태의 PDF, 파워포인트, JPEG 페이지를 입력받아 원래의 읽기 순서를 유지한 텍스트, HTML로 변환된 표, 목록, 양식의 키-값 쌍, 이미지 설명, 그리고 페이지 내 각 요소의 경계 상자 좌표를 반환한다.

별도의 OCR 단계가 없다

문서를 먼저 별도의 광학 문자 인식(OCR) 엔진에 통과시키는 기존의 디지털화 파이프라인과 달리, 파스는 이 작업을 한 번에 처리한다. 코히어 랩스(Cohere Labs)의 노스-마이크로-비전-인스트럭트(North-Micro-Vision-Instruct) 아키텍처 위에 구축된 이 비전-언어 모델 자체가 텍스트, 페이지 레이아웃, 표, 양식, 이미지를 동시에 추출한다. 문맥 창은 8,192토큰이며, 모델 용량은 약 4.6기가바이트다. 코히어는 두 가지 출력 모드를 제공한다. 기본 모드는 마크다운 문자열을 그대로 반환하고, '블록스(blocks)'라는 모드는 유형이 지정된 블록을 반환한다. 각 블록에는 HTML 코드와 페이지 내 정확한 위치, 설명이 포함되어 있어, 검색 시스템이 특정 정보가 문서의 어느 부분에서 나왔는지 정확히 밝힐 수 있도록 설계됐다. AI타임스에 따르면 이 모델은 한국어, 영어, 프랑스어, 독일어, 일본어, 스페인어를 포함한 9개 언어를 안정적으로 지원하며, H100 GPU 노드 8개에서 구동되어 초당 36페이지(분당 2,160페이지)를 처리한다. 이는 경쟁 관계에 있는 오픈소스 문서 분석 모델보다 약 2.2배 빠른 속도라고 해당 매체는 전했다.

코히어 스스로 고른 수치

코히어는 최고 정확도보다 가격 대비 성능을 앞세우는 전략을, ParseBench에서 받은 79.2점이라는 점수로 뒷받침한다. ParseBench는 라마인덱스(LlamaIndex)가 만든 벤치마크로, 사람이 직접 검증한 약 2,078페이지의 기업 문서를 표, 차트, 내용 충실도, 의미적 서식, 시각적 위치 파악이라는 다섯 가지 기준으로 평가한다. 그러나 이 79.2점은 다섯 개 기준 중 세 개만의 평균값이다. 대부분의 문서 분석 모델이 가장 취약한 두 항목인 차트와 시각적 위치 파악은 제외됐다. 같은 세 개 기준으로 보면 파스는 미스트랄 OCR 4(74.5점), 애저 도큐먼트 인텔리전스(74.3점), 데이터브릭스 AI 파스(72.4점)를 앞선다. AI타임스는 여기에 AWS 텍스트랙트(53.3점)와 구글 도큐먼트 AI(57.3점)를 추가로 비교하며, 이 시험에서 파스보다 높은 점수를 받은 것은 GPT-5.5, 오퍼스 4.8, 제미나이 3.5 플래시 같은 최상위 언어모델뿐이라고 전했다. 반면 공개 리더보드의 다섯 개 기준을 모두 적용하면 같은 경쟁 모델들의 점수는 훨씬 낮아진다. 미스트랄 OCR 4와 데이터브릭스 AI 파스는 각각 60.68점에 그치고, 애저 도큐먼트 인텔리전스(레이아웃)는 59.68점에 머문다. 코히어 파스는 이 전체 리더보드에는 아직 이름을 올리지 못했으며, 이 리더보드는 84.88점을 받은 라마파스 에이전틱(LlamaParse Agentic)이 1위를 차지하고 있다.

• 종량제 API 가격: 1,000페이지당 1.50달러.
• 모델 볼트(Model Vault) 미디엄 인스턴스: 시간당 4달러, 또는 월 2,500달러.
• 모델 볼트 XL 인스턴스: 시간당 7달러, 또는 월 4,300달러.
• 종량제 API 대비 손익분기점: 미디엄은 월 약 167만 페이지, XL은 약 287만 페이지.
• AI타임스에 따르면 모델 볼트나 자체 구축 배포를 이용하면 표준 페이지당 요금 대비 최대 61%까지 추가로 절감 가능.

누구를 위한 제품인가

파스는 대기자 명단이나 사전 연구용 라이선스 없이 이미 실제 서비스 환경에서 사용할 수 있으며, 코히어 API, 마이크로소프트 파운드리(Microsoft Foundry), AWS 세이지메이커(SageMaker), 그리고 단일 테넌트 전용 인스턴스 옵션인 모델 볼트를 통해 제공된다. 코히어는 은행 및 금융 서비스, 보험, 의료·생명과학, 공공 부문, 통신, 에너지, 제조업 등 문서 처리량이 많은 업종을 겨냥하고 있으며, 검색 증강 생성(RAG) 시스템에 데이터를 공급하거나 보험금 청구·인보이스 처리, 계약서·문서 검색, AI 에이전트에 문서 맥락을 제공하는 등의 용도로 쓰인다. 이미 RAG 스택을 갖춘 팀은 종량제 API 호출과 무료 체험 키로 시작할 수 있고, 데이터 상주나 시스템 완전 격리가 필요한 대기업은 곧바로 모델 볼트나 자체 구축 배포로 넘어간다. 마크테크포스트에 따르면 전용 인스턴스의 경제성은 월 약 10만 페이지를 넘어서야 의미를 갖기 시작한다.

대량의 청구서와 계약서, 행정 문서를 처리하는 한국 기업, 예컨대 은행이나 보험사, 공공기관에게 파스는 애저 도큐먼트 인텔리전스나 아마존 텍스트랙트 같은 도구를 대신할, 비용을 미리 가늠할 수 있는 대안이 될 수 있다. 특히 한국어가 이 모델이 안정적으로 지원하는 9개 언어에 포함돼 있다는 점도 강점이다. 다만 코히어가 내세우는 이 성능 수치는 신중하게 읽을 필요가 있다. 공개 벤치마크의 다섯 개 기준을 모두 적용하면, 파스도 그 주요 상업 경쟁 모델들도 아직 해당 리더보드 상위권을 차지한 전문 시스템의 결과에는 미치지 못한다. 핵심 업무 흐름을 이전하기 전, 기업 자신의 문서로 직접 시험해 보는 것이 여전히 유일하게 믿을 만한 검증 방법이다.