企业 RAG 的第一公里，长期卡在文档解析上。合同、保单、发票、论文——这些真正躺着企业知识的地方，往往是最难喂给模型的：表格错位、阅读顺序断裂、删除线和斜体这类改变语义的样式直接丢失。ParseBench 的评测数据把这件事量化得很直白：AWS Textract 在 Semantic Formatting 维度只有 2.8 分，Google Document AI 也只有 33.0 分——传统文档智能服务在「格式即含义」的场景里几乎是盲的。
Cohere 本周交出的答案是 Parse：一个面向企业文档的视觉语言模型。它的输入输出很干脆——复杂多模态文件进，干净的 Markdown 出，表格和嵌入图像以结构保留，支持九种主要商业语言，并为视觉元素返回 bounding box。用 Cohere 自己的话说，这是「市面上最强性价比」的文档解析方案。
官方评测：79.2 分卡在专用与通用之间
在 Cohere 提交的 ParseBench 评测中（三个维度平均），Parse 拿到 79.2，高于 Mistral OCR 4 的 74.5、Databricks AI Parse 的 72.4 和 LlamaParse Cost Effective 的 78.3；对比超大规模云厂商的方案优势更大——比 AWS Textract 和 Google Document AI 高出 20 分以上。分维度看，Tables 87.0、Content Faithfulness 86.6 是强项，Semantic Formatting 64.0 则明显落后于 frontier LLM。
官方也把边界说得很清楚：在他们的评测集里，只有 GPT-5.5（84.4）、Opus 4.8（84.3）和 Gemini 3.5 Flash（81.8）三个通用大模型压过 Parse——而这三者都是「显著更大」的通用模型。换句话说，这个专用小模型（第三方追踪站 AI/TLDR 转述其参数量为 2.3B）用几分之一的成本，打到了 frontier 门槛前。
值得肯定的还有评测口径的透明度：Cohere 在脚注里说明使用了 2026 年 8 月修正后的评分规则——修复了此前会虚高 Semantic Formatting 的粗体/标题检测 bug，并对所有竞品用同一规则重跑；同时明确排除了 Layout 和 Chart 两个维度，理由是产品定位使然、而非能力缺陷，图表数据抽取计划留给下一个版本。
单价与吞吐：把解析做成「水电煤」
$1.50 每 1000 页的 API 定价，配合生产级吞吐——在 8 卡 H100 节点上每秒 36 页、每分钟 2160 页，约为 dots.mocr 的 1.4 倍、Chandra OCR 2 的 2.2 倍（官方基准，所有模型均以 vLLM 部署测量）。对于合规行业，Parse 可以跑在私有云或本地环境，也可走单租户的 Model Vault：50% GPU 利用率时成本再降 23%，满载时降 61%。
Cohere 算了一笔账：一个每月处理约 1300 万页的应付账款流程，用 Model Vault 替代 API 每月省约 1.2 万美元、每年约 14.4 万美元；对比定价 $10/千页的云厂商文档服务，单一流程每年可省约 147 万美元。Parse 现已通过 Cohere API、Model Vault、Microsoft Foundry 和 AWS SageMaker 四个渠道可用，并作为 Compass 检索栈的一环与 Embed、Rerank 打包成「文档到答案」管线。
所以呢
这次发布真正值得看的不是某个跑分，而是一个趋势的又一次确认：文档解析正在从「通用 LLM 顺手做一下」分裂出一个独立的专用模型层——小参数、极致单价、高吞吐，直接切走 hyperscaler 存量 Document AI 的市场。对企业的理性策略也随之清晰：精度敏感的少量文档交给 frontier LLM，百万页级的规模化管线交给 $1.5/千页的专用模型。RAG 第一公里的成本，终于开始按「每千页」计价了。
（原始来源：Cohere 官方博客 https://cohere.com/blog/parse）