<div class="key-takeaways"><ul><li>Parse 5 เป็นโมเดลวิชันภาษาขนาด 2.3 พันล้านพารามิเตอร์จาก Cohere</li><li>แปลงเอกสาร PDF, PPT และ JPEG เป็น Markdown ได้โดยตรงในรอบเดียว</li><li>ทำคะแนนเฉลี่ยบน ParseBench ได้ 79.2 แซงหน้าคู่แข่งหลายราย</li><li>เปิดให้บริการแล้วผ่าน Cohere Parse API, Microsoft Foundry และ AWS SageMaker</li></ul></div><p>Cohere เปิดตัว <strong>Parse 5 (parse-v5.0)</strong> โมเดลวิชันภาษา (Vision Language Model) ขนาด 2.3 พันล้านพารามิเตอร์ ซึ่งพัฒนาขึ้นบนสถาปัตยกรรม North-Micro-Vision-Instruct ของ Cohere Labs โมเดลตัวนี้ถูกออกแบบมาเพื่อแปลงเอกสารขององค์กรให้กลายเป็นรูปแบบ Markdown โดยรองรับหน้าเอกสารในรูปแบบ PDF, PPT และ JPEG ที่เข้ารหัสเป็น base64-encoded data URIs พร้อมหน้าต่างบริบท (context window) ขนาด 8,192 โทเค็น และขนาดโมเดลประมาณ 4.6 กิกะไบต์</p><p>จุดเด่นสำคัญคือระบบไม่มีขั้นตอนการทำ OCR แยกต่างหากก่อนประมวลผล แต่โมเดลสามารถดึงข้อมูลข้อความ ลำดับการอ่าน ตาราง รายการ ฟอร์ม คู่คีย์-วาล์ว รูปภาพพร้อมคำอธิบาย รวมถึงตำแหน่งขอบเขตหน้าและองค์ประกอบภาพทั้งหมดได้ภายในรอบเดียว (one pass) ทั้งยังรองรับภาษาที่มีความเสถียรทั้งหมด 9 ภาษา ได้แก่ อาหรับ อังกฤษ ฝรั่งเศส เยอรมัน อิตาลี ญี่ปุ่น เกาหลี โปรตุเกส และสเปน พร้อมรองรับแบบ zero-shot สำหรับภาษาอื่น ๆ ด้วยความแม่นยำที่ลดหลั่นลงไป</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/cohere_parse_5_2_3_mtc539y7_inline_1_a7de7b2c6d.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>ในภาคปฏิบัติ โมเดลมีโหมดการส่งออกข้อมูล 2 รูปแบบหลัก คือโหมดค่าเริ่มต้นที่จะคืนค่าเป็นสตริง Markdown ต่อหน้า และโหมด <code>output_format="blocks"</code> ที่จะคืนค่าเป็นบล็อกประเภทต่าง ๆ เช่น บล็อกตารางที่จะพกพาโค้ด HTML ขอบเขตพิกัด และคำอธิบายมาด้วย ซึ่งโหมดที่สองนี้เองที่ช่วยให้สามารถตรวจสอบย้อนกลับไปถึงระดับการอ้างอิงได้ (citation-level traceability)</p><div class="stat-row"><div class="stat-item"><span class="stat-number">79.2</span><span class="stat-label">คะแนน ParseBench ของ Parse 5</span></div><div class="stat-item"><span class="stat-number">2.3B</span><span class="stat-label">พารามิเตอร์ของโมเดล</span></div><div class="stat-item"><span class="stat-number">1.50$</span><span class="stat-label">ราคาต่อ 1,000 หน้าบน API</span></div></div><p>ในด้านผลงานการทดสอบ Cohere รายงานว่า Parse ทำคะแนนบน ParseBench ได้ 79.2 ซึ่งคำนวณเฉลี่ยจากด้านตาราง ความถูกต้องของเนื้อหา และการจัดรูปแบบเชิงความเซแมนติก โดยทำคะแนนนำหน้า Mistral OCR 4 ที่ได้ 74.5, Azure Document Intelligence ที่ 74.3 และ Databricks AI Parse ที่ 72.4 ทั้งนี้ ParseBench เป็นชุดทดสอบของ LlamaIndex ที่ประกอบด้วยหน้าเอกสารองค์กรที่ตรวจสอบโดยมนุษย์ประมาณ 2,078 หน้า โดย Cohere เลือกนำมาคำนวณเฉลี่ยเพียง 3 ด้าน และตัดด้านแผนภูมิกับกราฟฟิกออกไปเนื่องจากเป็นจุดที่เครื่องมือส่วนใหญ่ทำคะแนนได้น้อย</p><div class="ai-insight"><p>การที่โมเดลวิชันภาษาสามารถข้ามขั้นตอนการทำ OCR แบบเดิมแล้วอ่านโครงสร้างตารางพร้อมรูปภาพได้ในขั้นตอนเดียว ถือเป็นก้าวสำคัญในการลดความผิดพลาดของการแปลงไฟล์เอกสารองค์กรที่ซับซ้อน เช่น รายงานการเงินหรือสไลด์นำเสนอ อย่างไรก็ตาม ผู้ใช้งานควรพิจารณาขอบเขตการทดสอบเบนช์มาร์กที่ผู้ให้บริการเลือกนำมาแสดงผลเปรียบเทียบกับความเป็นจริงในการใช้งานเอกสารภายในของตนเองด้วย</p></div><p>สำหรับด้านราคาและการใช้งาน Parse เปิดให้บริการทั่วไปแล้วผ่าน Cohere Parse API, Microsoft Foundry, AWS SageMaker และ Model Vault แบบ single-tenant โดยไม่มีคิวรอและไม่ต้องใช้ใบอนุญาตวิจัย ราคาผ่าน API คิดอยู่ที่ 1.50 ดอลลาร์สหรัฐต่อ 1,000 หน้า ส่วนบน Model Vault สำหรับอินสแตนซ์ขนาด Medium มีราคา 4.00 ดอลลาร์ต่อชั่วโมง หรือ 2,500 ดอลลาร์ต่อเดือน และอินสแตนซ์ขนาด XL มีราคา 7.00 ดอลลาร์ต่อชั่วโมง หรือ 4,300 ดอลลาร์ต่อเดือน ซึ่งช่วยให้องค์กรสามารถเลือกความคุ้มค่าระหว่างการเรียกใช้แบบคิดตามปริมาณกับการเช่าใช้โครงสร้างพื้นฐานเฉพาะได้ตามปริมาณงานจริง</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/27/cohere-releases-parse-5-parse-v5-0-a-2-3b-vision-language-model-that-turns-enterprise-documents-into-markdown/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Parse 5 is a 2.3-billion parameter vision language model developed by Cohere.</li><li>It converts PDF, PPT, and JPEG documents directly into Markdown in one pass.</li><li>Achieved a ParseBench score of 79.2, outperforming several industry peers.</li><li>Generally available via Cohere Parse API, Microsoft Foundry, and AWS SageMaker.</li></ul></div><p>Cohere has introduced <strong>Parse 5 (parse-v5.0)</strong>, a 2.3-billion-parameter vision language model built on Cohere Labs&rsquo; North-Micro-Vision-Instruct architecture. The model is engineered to transform enterprise documents into clean Markdown formats, accepting PDF, PPT, and JPEG pages provided as base64-encoded data URIs. It features an 8,192-token context window and a footprint of approximately 4.6 gigabytes.</p><p>A key architectural advantage is the absence of a separate preliminary OCR stage. Instead, the model recovers textual content, reading orders, tables, lists, forms, key-value pairs, images with captions, page boundaries, and visual element locations in a single pass. It natively supports nine stable languages—Arabic, English, French, German, Italian, Japanese, Korean, Portuguese, and Spanish—while offering zero-shot capabilities for other languages at a reduced accuracy.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/cohere_parse_5_2_3_mtc539y7_inline_1_a7de7b2c6d.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>In operational environments, the model supports two distinct output modes. The default mode returns a single Markdown string per page, whereas setting <code>output_format="blocks"</code> returns structured typed blocks, such as table blocks containing associated HTML code, bounding box coordinates, and descriptions. This secondary mode enables precise citation-level traceability.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">79.2</span><span class="stat-label">Parse 5 ParseBench Score</span></div><div class="stat-item"><span class="stat-number">2.3B</span><span class="stat-label">Model Parameters</span></div><div class="stat-item"><span class="stat-number">$1.50</span><span class="stat-label">Price per 1,000 API Pages</span></div></div><p>Regarding benchmark performance, Cohere reported a ParseBench score of 79.2 for Parse, averaged across table extraction, content faithfulness, and semantic formatting dimensions. This outperforms Mistral OCR 4 at 74.5, Azure Document Intelligence at 74.3, and Databricks AI Parse at 72.4. ParseBench itself is a LlamaIndex benchmark comprising roughly 2,078 human-verified enterprise pages evaluated across five criteria. Cohere&rsquo;s reported figure averages three of those dimensions while excluding charts and visual grounding—areas where traditional document parsers typically struggle.</p><div class="ai-insight"><p>Eliminating the traditional decoupled OCR pipeline in favor of end-to-end multi-modal document understanding represents a significant architectural shift in handling enterprise document workflows. However, practitioners should carefully analyze benchmark metric subsets against their specific document layouts and types to determine real-world utility.</p></div><p>Parse is currently available for production use through the Cohere Parse API, Microsoft Foundry, AWS SageMaker, and single-tenant Model Vault deployments, requiring no waitlist or specialized research license. API usage is priced at $1.50 per 1,000 pages. On Model Vault, a Medium instance is priced at $4.00 per hour or $2,500 per month, while an XL instance costs $7.00 per hour or $4,300 per month, allowing enterprises to optimize costs based on their monthly processing volume and data residency requirements.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/27/cohere-releases-parse-5-parse-v5-0-a-2-3b-vision-language-model-that-turns-enterprise-documents-into-markdown/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_cohere-เปิดตัว-parse-5-โมเดลวิชันภาษา-2-3-พันล้านพารามิเตอร์-mtc539y7.jpg

small_cohere-เปิดตัว-parse-5-โมเดลวิชันภาษา-2-3-พันล้านพารามิเตอร์-mtc539y7.jpg

thumbnail_cohere-เปิดตัว-parse-5-โมเดลวิชันภาษา-2-3-พันล้านพารามิเตอร์-mtc539y7.jpg

Inewgen

Inewgen

#Vision Language Model

Cohere Releases Parse 5 2.3B Vision Language Model

Inewgen