Cohere lança Parse 5 para transformar documentos em Markdown

A Cohere lançou o Parse, na versão parse-v5.0, um modelo de visão e linguagem com 2,3 bilhões de parâmetros criado para converter documentos corporativos em Markdown em grande escala. Segundo o site especializado MarkTechPost, que revelou o lançamento em 27 de agosto, e confirmado separadamente pelo veículo sul-coreano AI Times, o sistema recebe uma página em PDF, PowerPoint ou uma imagem JPEG codificada em base64 e devolve o texto na ordem de leitura original, as tabelas convertidas em HTML, listas, pares chave-valor de formulários, descrições de imagens e as coordenadas de cada elemento na página.

Sem uma etapa separada de OCR

Diferente dos fluxos clássicos de digitalização, que primeiro passam o documento por um mecanismo de reconhecimento óptico de caracteres, o Parse faz esse trabalho em uma única passada: o próprio modelo de visão e linguagem — construído sobre a arquitetura North-Micro-Vision-Instruct da Cohere Labs — recupera ao mesmo tempo o texto, o layout da página, as tabelas, os formulários e as imagens. Ele tem uma janela de contexto de 8.192 tokens e ocupa cerca de 4,6 gigabytes em disco. A Cohere oferece dois modos de saída: um que entrega diretamente uma string em Markdown, e outro, chamado 'blocks', que devolve blocos tipados — cada um com seu HTML, sua posição exata na página e sua descrição —, pensado para que um sistema de busca possa citar com precisão de qual parte do documento veio cada dado. Segundo a AI Times, o modelo oferece suporte estável a nove idiomas, incluindo português, coreano, inglês, francês, alemão e japonês, e processa 36 páginas por segundo — 2.160 por minuto — rodando em oito nós de GPU H100, velocidade que o veículo situa em cerca de 2,2 vezes mais rápida que os analisadores de documentos de código aberto com os quais compete.

Um número que a própria Cohere escolheu

A Cohere sustenta sua aposta em preço em vez de desempenho máximo com uma pontuação de 79,2 no ParseBench, o benchmark da LlamaIndex que avalia cerca de 2.078 páginas corporativas verificadas por humanos em cinco dimensões: tabelas, gráficos, fidelidade de conteúdo, formatação semântica e localização visual. Esse número de 79,2, no entanto, é a média de apenas três dessas cinco dimensões — deixa de fora gráficos e localização visual, justamente onde a maioria dos analisadores de documentos falha mais. Nesse mesmo critério de três dimensões, o Parse fica à frente do Mistral OCR 4 (74,5), do Azure Document Intelligence (74,3) e do Databricks AI Parse (72,4); a AI Times acrescenta à comparação o AWS Textract (53,3) e o Google Document AI (57,3), e destaca que só modelos de linguagem de ponta — GPT-5.5, Opus 4.8 e Gemini 3.5 Flash — superam o Parse nesse mesmo teste. Medidos pelas cinco dimensões completas do ranking público, os mesmos rivais caem bem mais abaixo — Mistral OCR 4 e Databricks AI Parse ficam em 60,68 pontos, e o Azure Document Intelligence (Layout) em 59,64 — e o Cohere Parse ainda não aparece nesse ranking completo, liderado pelo LlamaParse Agentic, com 84,88 pontos.

• Preço da API por uso: US$ 1,50 a cada mil páginas.
• Model Vault, instância Medium: US$ 4,00 por hora, ou US$ 2.500 por mês.
• Model Vault, instância XL: US$ 7,00 por hora, ou US$ 4.300 por mês.
• Ponto de equilíbrio em relação à API por uso: cerca de 1,67 milhão de páginas por mês na instância Medium, e 2,87 milhões na XL.
• Economia adicional ao usar o Model Vault ou implantação local, segundo a AI Times: até 61% em relação à tarifa padrão por página.

Para quem é o produto

O Parse já está disponível em produção, sem lista de espera nem licença de pesquisa prévia, pela API da Cohere, pelo Microsoft Foundry, pela AWS SageMaker e pelo Model Vault, sua opção de instância dedicada de cliente único. A Cohere direciona o produto para setores que processam grandes volumes de documentos — bancos e serviços financeiros, seguros, saúde e ciências da vida, setor público, telecomunicações, energia e manufatura — para tarefas como alimentar pipelines de geração aumentada por recuperação (RAG), processar sinistros e faturas, buscar em contratos e processos, ou dar contexto documental a agentes de inteligência artificial. Equipes que já têm uma stack de RAG podem começar com chamadas de API cobradas por uso e uma chave de teste gratuita, enquanto grandes empresas com exigências de residência de dados ou isolamento total do sistema partem direto para o Model Vault ou uma implantação privada; a economia de uma instância dedicada, segundo a MarkTechPost, só compensa acima de cerca de 100 mil páginas por mês.

Para uma empresa brasileira que processa grandes volumes de notas fiscais, contratos ou processos administrativos — um banco, uma seguradora ou um órgão público —, o Parse oferece uma alternativa de custo previsível a ferramentas como o Azure Document Intelligence ou o Amazon Textract, com a vantagem de o português estar entre os nove idiomas com suporte estável do modelo. O número de desempenho divulgado pela Cohere, porém, merece ser lido com cautela: medido pelas cinco dimensões completas do benchmark público, nem o Parse nem seus principais concorrentes comerciais chegam perto ainda do resultado dos sistemas especializados que lideram esse ranking. Antes de migrar um fluxo de trabalho crítico, testar a ferramenta com os próprios documentos da empresa continua sendo a única verificação que realmente conta.