企业要把海量PDF、PPT和扫描件塞进人工智能流水线时，总会撞上同一堵墙：工具要么丢结构——表格、图表、版式全乱套，要么规模化跑起来成本高得吓人。文档解析看似不起眼，却是生成式人工智能落地企业的第一道闸门。Cohere在周四发布了Parse 5，把宝押在"每页成本"而非"最高精度"上，试图用价格与能力的平衡点切走最大块的企业市场蛋糕。
为什么文档解析成了人工智能落地的头号难题
企业数据里，非结构化数据占比高达八成，而文档又是其中最棘手的类型。表格嵌套着多层表头，图表藏着坐标与趋势线，扫描件带着歪斜和噪点，这些信息一旦在解析环节丢失，后端的RAG检索和Agent决策就全成了无源之水。
BARC US研究副总裁Kevin Petrie透露，他们正在进行的调查显示，文档分析是目前企业采用人工智能的第一大用例，受访组织中有62%正在部署相关应用。"文档和其他非结构化对象，包括图片等，承载着组织用来差异化其Agentic AI计划的专有上下文。"Petrie表示。
传统OCR只能逐字识别，无法理解版式逻辑；通用大模型虽然理解力强，但每一页都调一次动辄千亿参数的大模型，延迟和费用都难以接受。这个夹缝正是Cohere Parse 5瞄准的位置。它把页面当作一张图片，通过单次视觉语言模型前向传播，直接输出带结构的Markdown，绕开了大多数工具"OCR+模型"的两段式流程。这种架构设计放弃了对文本元素逐一输出边界框，而是按阅读顺序输出版式，表格渲染成HTML，图像附带描述和坐标。
在AI Agent技术快速发展的今天，文档解析的颗粒度直接决定了智能体回答的可靠性。Parse 5的选择是：不为图表做底层数据抽取，只提供描述和供视觉模型二次检查的指示符。Cohere人工智能搜索副总裁Nils Reimers解释，试图从图表中硬抽数据反而容易漏掉线型颜色等关键视觉线索，导致Chat和Agentic AI应用出现幻觉。
2.3B参数模型背后的性能与成本平衡术
Parse 5是一个23亿参数的视觉语言模型，基于Cohere Labs的North-Micro-Vision-Instruct架构，上下文窗口8192个token，模型体积约4.6GB。它接受PDF、PPT或JPEG页面作为base64编码图片，输出按阅读顺序排列的Markdown，表格以HTML形式呈现，同时附带表格和图像的边界框坐标。
语言覆盖方面，阿拉伯语、英语、法语、德语、意大利语、日语、韩语、葡萄牙语和西班牙语获得稳定精度，其他语言提供零样本支持但精度较低。模型默认按页输出Markdown字符串，也提供blocks模式，每个元素携带独立HTML和描述，这被Cohere定位为让Agent实现引用级可追溯性的关键能力。
从产品定位来看，Parse 5刻意做了一个"够用就好"的取舍。Cohere公布的ParseBench基准测试显示，Parse 5综合得分79.2，落后于GPT-5.5的84.4、Opus 4.8的84.3和Gemini 3.5 Flash的81.8，但领先于LlamaParse低成本档的78.3、Mistral OCR 4的74.5和Azure Document Intelligence的69.3。Cohere在表格中坦率标注了未纳入的布局和图表两项维度，将其归因于产品范围而非性能差距。
这种"不做最高分，只做最合适的分数"的定位，在AI赛道里显得格外醒目。Cohere将价格定为每1000页1.5美元，并通过API、Model Vault、Microsoft Foundry和AWS SageMaker等多个渠道提供。Model Vault作为其单租户安全托管平台，面向更高规模的部署需求。Cohere没有参与通用大模型的军备竞赛，而是选择在垂直场景里先把性价比做到极致。
当每页解析都算钱：98%成本削减背后的企业逻辑
对于处理海量文档的企业来说，解析成本不是细枝末节，而是决定项目能否从试点走向全域的关键变量。Cohere给一家大型金融服务机构算了一笔账：该机构每年处理7.5亿份文档，如果用Parse 5替代GPT-5.5这类通用大模型，成本可以降低超过98%。
这个数字是Cohere针对单一模拟工作流的估算，并非经过审计的部署数据，但它揭示了一个显而易见的行业趋势：以大模型训练和推理成本为分母，以有效解析能力为分子的性价比公式，正在成为企业选型的新标尺。通用前沿模型在精度榜上占据头部，但每页调用一次大模型的成本，会让规模化部署变得遥不可及。
Parse 5的定价策略，实质上是在为企业提供一个"规模化的解析底座"。1.5美元/千页的价格，意味着处理100万页文档的解析成本仅为1500美元，这一水平远低于通用大模型方案的数万美元量级。对于那些每天需要消化大量合同、财报和行业报告的企业而言，企业数字化转型的投入产出比因此发生了显著变化。
HyperFRAME Research AI栈实践负责人Stephanie Walter认为，Parse 5正好落在了传统OCR和昂贵前沿模型之间的好位置上。"它的潜在优势在于，以适合高吞吐量摄入的价格，交付结构、空间溯源和私有部署。"准确率上的几分差距，在巨大的成本落差面前，开始显得无关紧要。
混战中的差异化：从专用解析器到云厂商的四方博弈
当前的文档解析市场呈现四种路线并存的格局。通用前沿模型如GPT-5.5、Opus 4.8和Gemini 3.5 Flash占据精度制高点，但成本与延迟短板明显。专用解析器阵营包括Mistral OCR 4、LlamaParse以及Chandra OCR 2等开放权重模型，它们在特定文档类型上各有优势。云厂商的文档智能产品，如AWS Textract、Google Document AI、Azure Document Intelligence和Databricks AI Parse，更多围绕自家生态便利性做集成，Cohere的对比中分数垫底。
Parse 5选择的切入点是单次架构与结构化输出的组合。它不追求在所有维度上碾压对手，而是专注把读取顺序、表格HTML和图像边界框这三件事做到可靠，同时提供多语言支持和灵活的blocks输出模式。对于依赖Agent做自动化流程的企业，这种"引用级可追溯"的能力意味着每一步分析都有据可查，差错更容易定位和修正。
Reimers强调，文档解析的难点不在于读文字，而在于保持结构和意义。"企业文档混合了表格、图表、图形和版式，这些都会改变数据解读。大多数工具仍会丢结构或产生幻觉，即便是前沿模型也会在布局密集的页面上失手。"正是在这些前沿模型表现不佳的边角场景里，Parse 5用更低的价格搭配了足够用的能力。
眼下AI赛道的竞争者各有各的算盘。云厂商想用文档智能绑定客户到自家平台，创业公司想靠单点突破撬动大客户，而Cohere走了一条中间路线：模型足够专注、价格足够便宜、部署方式足够灵活。这种策略能否让它跃升为AI独角兽，取决于企业客户是否愿意用几个百分点的精度差距换取近两个数量级的成本节约。
Agent时代：结构输出与可追溯性正在成为硬通货
Agentic AI的兴起正在重新定义文档解析的需求边界。当AI不再只是被动回答问题，而是主动执行跨系统任务时，解析结果必须包含机器可读的结构信息和空间坐标，才能支撑多步推理和工具调用。Parse 5的blocks模式正是为此设计——每个表格带独立HTML、边界框和描述，让智能体在引用文档时能精准指向具体元素。
Reimers在采访中提到，对于图表，Parse 5提供通用描述和指示符，告诉Agentic AI如何从视觉上检查图表，而不是强行抽取底层数据。因为一旦抽取过程中丢失了颜色或线型模式这类关键视觉信息，后续的生成式应用就很容易产生幻觉。这种"留白"式的设计，反而比贪多求全的抽取更可靠。
文档解析的护城河不止于模型精度，还涉及数据处理管道的全链路。把PDF转成Markdown只是第一步，真正的价值在于输出能否被下游的向量数据库、知识图谱和规则引擎顺畅消费。Cohere通过AI工具导航的视野来看，整个生态的协同效应远比单点模型重要。Parse 5的输出格式兼容性，决定了它能多大程度嵌入企业现有的数据流水线。
随着企业从试用走向规模化部署，文档解析工具的评估标准也在变化。精度排行榜不再一统天下，每千页成本、私有化部署支持、多语言覆盖、与现有平台集成度，这些指标的分量在持续上升。AI工具箱里新增的这类垂类工具，正在改变企业构建人工智能应用的方式。
性价比路线能走多远：Cohere的下一步与行业的启示
Parse 5的发布为AI赛道注入了一个值得玩味的变量。它证明在人工智能竞争的既定维度——模型参数、基准分数、多模态能力——之外，还有一个被低估的维度：经济性。大模型的竞争并不总是"更大更强"，在具体场景里"够用且便宜"往往是客户真正的需求。
Petrie指出，现在下结论说Cohere的成本效能一定优于前沿模型还为时过早，但从战略角度看，Cohere找对了焦点。未来，Parse 5能否在图表数据抽取、更多语言支持等方向补齐短板，将决定它的天花板。而AI独角兽梦能否兑现，取决于Cohere能否把文档解析这个切口做深做透，并顺势拓展到相邻的数据处理环节。
对企业用户来说，Parse 5的出现意味着在做技术选型时有了更多元的参考维度。不再只有"用最强的模型"和"用最便宜的OCR"这两极，而是可以按不同场景、不同规模，在成本与精度的光谱上找到最合适的落点。这种理性化的采购逻辑，或许正是人工智能从技术热词走向务实生产力的标志。而文档解析，恰好成了第一块试金石。