Cohere’s Parse 5 Promises Efficient Multi-Modal Information Extraction From Complex Documents

Cohere vừa ra mắt Parse 5, một mô hình foundation đa phương thức nhằm trích xuất dữ liệu có cấu trúc từ các tài liệu doanh nghiệp phức tạp. Mô hình này có 2,3 tỷ tham số và được thiết kế để hiểu đồng thời hình ảnh và văn bản trong PDF giàu bố cục. Nhờ kiến trúc visión‑ngôn ngữ, Parse 5 có thể nhận diện bảng, biểu đồ và văn bản rồi chuyển đổi chúng thành định dạng Markdown sạch. Kết quả là các pipeline xử lý dữ liệu sau này có thể nhập thông tin trực tiếp mà không cần bước OCR hay làm sạch thủ công, giảm thiểu công việc xử lý trước. Điều này cho thấy việc đầu tư vào mô hình foundation đa phương thức ở mức vài tỷ tham số có thể đạt được khả năng hiểu bố cục cao mà không cần điều chỉnh cụ thể cho mỗi nhiệm vụ, cung cấp một hướng đi thực tế cho các đội phát triển giải pháp trích xuất tài liệu.