Cohere lança o 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 mil milhões de parâmetros concebido para converter documentos empresariais em Markdown a grande escala. Segundo o site especializado MarkTechPost, que noticiou o lançamento a 27 de agosto, e confirmado em separado pelo jornal 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 fase de OCR separada

Ao contrário dos fluxos clássicos de digitalização, que fazem primeiro passar o documento por um motor de reconhecimento ótico de carateres, o Parse realiza esse trabalho numa única passagem: o próprio modelo de visão e linguagem — construído sobre a arquitetura North-Micro-Vision-Instruct da Cohere Labs — recupera ao mesmo tempo o texto, a disposição da página, as tabelas, os formulários e as imagens. Tem uma janela de contexto de 8192 tokens e ocupa cerca de 4,6 gigabytes em disco. A Cohere disponibiliza dois modos de saída: um que devolve diretamente uma cadeia em Markdown, e outro, designado 'blocks', que devolve blocos tipificados — cada um com o respetivo HTML, a posição exata na página e uma descrição — pensado para que um sistema de pesquisa documental possa citar com precisão de que parte do documento provém cada dado. Segundo a AI Times, o modelo suporta de forma estável nove idiomas, entre os quais o português, o coreano, o inglês, o francês, o alemão e o japonês, e processa 36 páginas por segundo — 2160 por minuto — a funcionar sobre oito nós de GPU H100, uma velocidade que o jornal situa em cerca de 2,2 vezes superior à dos analisadores de documentos de código aberto com que compete.

Um número escolhido pela própria Cohere

A Cohere sustenta a sua aposta no preço em detrimento do desempenho máximo com uma pontuação de 79,2 no ParseBench, o teste de referência da LlamaIndex que avalia cerca de 2078 páginas empresariais verificadas por humanos em cinco dimensões: tabelas, gráficos, fidelidade do conteúdo, formatação semântica e localização visual. Esse número de 79,2, contudo, resulta da média de apenas três dessas cinco dimensões — exclui os gráficos e a localização visual, precisamente onde a maioria dos analisadores de documentos falha mais. Segundo esse 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 refere que apenas modelos de linguagem de topo — GPT-5.5, Opus 4.8 e Gemini 3.5 Flash — superam o Parse nesse mesmo teste. Medidos pelas cinco dimensões completas da tabela pública, os mesmos concorrentes ficam bastante abaixo — Mistral OCR 4 e Databricks AI Parse não passam dos 60,68 pontos, e o Azure Document Intelligence (Layout) fica-se pelos 59,64 — e o Cohere Parse ainda não figura nessa tabela completa, liderada pelo LlamaParse Agentic, com 84,88 pontos.

• Preço da API por utilização: 1,50 dólares por cada mil páginas.
• Model Vault, instância Medium: 4 dólares por hora, ou 2500 dólares por mês.
• Model Vault, instância XL: 7 dólares por hora, ou 4300 dólares por mês.
• Ponto de equilíbrio face à API por utilização: cerca de 1,67 milhões de páginas por mês na instância Medium, e 2,87 milhões na XL.
• Poupança adicional ao optar pelo Model Vault ou por uma instalação própria, segundo a AI Times: até 61% face à tarifa normal por página.

A quem se destina

O Parse já está disponível em produção, sem lista de espera nem licença de investigação prévia, através da API da Cohere, do Microsoft Foundry, da AWS SageMaker e do Model Vault, a sua opção de instância dedicada a um único cliente. A Cohere dirige o produto a setores que processam grandes volumes de papelada — banca e serviços financeiros, seguros, saúde e ciências da vida, setor público, telecomunicações, energia e indústria — para tarefas como alimentar sistemas de geração aumentada por recuperação (RAG), processar sinistros e faturas, pesquisar em contratos e processos, ou dar contexto documental a agentes de inteligência artificial. As equipas que já dispõem de uma infraestrutura de RAG podem começar com chamadas à API cobradas por utilização e uma chave de teste gratuita, enquanto as grandes empresas com exigências de residência de dados ou de isolamento total do sistema avançam diretamente para o Model Vault ou uma instalação privada; a economia de uma instância dedicada, segundo a MarkTechPost, só começa a compensar acima de cerca de 100 mil páginas por mês.

Para uma empresa portuguesa que processa grandes volumes de faturas, contratos ou processos administrativos — um banco, uma seguradora ou um organismo 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 figurar entre os nove idiomas com suporte estável do modelo. O número de desempenho divulgado pela Cohere merece, ainda assim, ser lido com cautela: medido pelas cinco dimensões completas do teste de referência público, nem o Parse nem os seus principais concorrentes comerciais se aproximam ainda do resultado dos sistemas especializados que lideram essa tabela. Antes de migrar um fluxo de trabalho crítico, testar a ferramenta com os documentos da própria empresa continua a ser a única verificação que conta de facto.