코히어, 문서 파싱 모델 Parse 5 출시

엔지니어 눈으로 먼저 보게 되는 건 크기예요. 보도에 따르면 이 모델은 파라미터 23억 개짜리이고 코히어 랩스의 North Micro Vision Instruct 구조 위에 세워졌으며 문맥 창은 8,192 토큰, 용량은 4.6GB 안팎이에요. 4억 파라미터짜리 비전 인코더가 페이지를 원래 해상도로 읽어 2차원 회전 위치 임베딩으로 공간 구조를 붙들고, 20억 파라미터 언어 모델이 그 특징을 받아 읽는 순서대로 마크다운을 써요. 페이지 이미지를 넣으면 한 번의 모델 통과로 마크다운이 나오는 구조라, OCR 을 돌린 뒤 별도 모델로 정리하던 두 단계 파이프라인이 한 단계로 접혀요. 메탈은 이 바탕 모델인 노스 마이크로 비전이 24억 파라미터 비전 모델로 공개됐다고 보도한 바 있어요.

점수는 발표문에 표로 실려 있어요. 문서 파싱 벤치마크 ParseBench 의 세 항목 평균에서 Parse 5 는 79.2점이에요. 표 추출이 87.0, 내용 충실도가 86.6, 의미 서식이 64.0이에요. 같은 표에서 GPT-5.5 는 84.4, Opus 4.8 은 84.3, Gemini 3.5 Flash 는 81.8로 Parse 5 보다 위에 있고, 회사는 이 셋이 범용이며 Parse 보다 훨씬 큰 프론티어 모델이라고 적었어요. 아래로는 LlamaParse 의 비용 절감형이 78.3, 오픈 웨이트인 Chandra OCR 2 가 77.7, Mistral OCR 4 가 74.5, Databricks AI Parse 가 72.4, Azure Document Intelligence 가 69.3이고, Google Document AI 는 57.3, AWS Textract 는 53.3이에요. 회사는 하이퍼스케일러 두 곳과의 차이가 20점을 넘는다고 강조했어요.

표에는 빠진 칸도 있어요. 발표문 각주에 따르면 ParseBench 의 레이아웃과 차트 항목은 비교에서 뺐는데, 레이아웃은 글자마다 바운딩 박스를 찍는 능력을 재고 이 모델은 표와 이미지에만 좌표를 붙이도록 설계됐으며, 차트는 그래프에서 숫자 데이터를 뽑아내는 능력을 재고 이 모델은 차트를 설명문이 달린 시각 요소로 다루기 때문이에요. 차트 데이터 추출은 다음 버전 계획에 있다고 회사는 밝혔어요. 같은 각주는 2026년 8월 기준 채점 규칙에 굵은 글씨와 제목 감지 오류 수정이 들어가 종전 의미 서식 점수가 부풀려져 있었고, 경쟁 모델도 전부 새 규칙으로 다시 채점했다고 적었어요.

닐스 라이머스 코히어 AI 검색 부문 부사장은 보도에 따르면 인터뷰에서 "문서 파싱이 풀리지 않은 건 어려운 부분이 글자를 읽는 게 아니라 구조와 의미를 지키는 것이기 때문입니다" 라고 말했어요. 기업 문서에는 데이터 해석을 바꾸는 표와 도표, 차트, 서식이 섞여 있는데 대부분의 도구는 구조를 떨어뜨리거나 내용을 지어내고 프론티어 모델도 레이아웃이 복잡한 페이지에서 깨진다는 설명이에요. 차트를 데이터로 뽑지 않는 이유에 대해서는 "다른 해법들은 차트에서 데이터를 뽑아내려 하지만 그러면 선의 색이나 무늬 같은 핵심 정보를 놓쳐서 챗과 에이전트 응용에서 환각으로 이어집니다" 라고 밝혔어요.

속도와 비용이 이 출시의 본론이에요. 발표문에 따르면 Parse 5 는 GPU 한 장에서 초당 4.5쪽을 처리하고, H100 여덟 장짜리 노드에서는 초당 36쪽, 분당 2,160쪽이에요. 같은 GPU 구성에서 RedNote 의 dots.mocr 보다 1.4배, Chandra OCR 2 보다 2.2배 빠르고, 비교는 전부 vLLM 으로 서빙한 오픈소스 모델끼리 했어요. 코히어 API 로 쓰거나 단일 테넌트 관리형 추론 플랫폼인 Model Vault 에 올려 쓸 수 있는데, 회사는 GPU 사용률 50% 에서 Model Vault 가 API 보다 추론 비용을 23% 줄이고 사용률이 꽉 차면 절감폭이 61% 까지 커진다고 적었어요. 회사가 예로 든 규모는 한 달에 1,300만 쪽을 처리하는 대기업 매입채무 워크플로예요.

라이머스 부사장은 보도에 따르면 연간 7억 5,000만 건의 문서를 처리하는 대형 금융사 워크플로를 계산해 보니 GPT-5.5 같은 대형 범용 모델 대신 Parse 5 를 고르면 비용이 98% 넘게 줄었다고 말했어요. 이 숫자는 실제 배치 실적이 아니라 코히어가 모델링한 단일 워크플로 추정치예요. 비유하자면 프론티어 모델로 청구서 수백만 장을 읽히는 건 회계사에게 우편물 분류를 맡기는 일이고, Parse 5 는 그 자리에 분류 전담 직원을 두자는 제안이에요. 회계사가 더 잘 읽는다는 사실은 표에 그대로 남겨 두고요.

바깥 시선은 벤치마크 점수보다 그다음 단계를 봐요. 보도에 따르면 스테파니 월터 하이퍼프레임 리서치 AI 스택 프랙티스 리더는 "모든 벤치마크에서 이길 필요는 없습니다. 신뢰할 수 있는 기업 규모 파싱을 경제적으로 만들면 됩니다" 라고 말했고, 파싱은 기업 AI 스택의 첫 품질 관문이라 표와 제목, 이미지, 읽는 순서가 수집 단계에서 사라지면 더 좋은 임베딩이나 더 큰 모델도 그 구조를 되살리지 못한다고 짚었어요. 케빈 페트리 BARC US 리서치 부사장은 같은 보도에서 진행 중인 조사에서 문서 분석이 조직의 62% 가 채택한 1위 AI 용도로 나타났다고 밝혔어요.

메탈이 확인한 발표문에는 ParseBench 의 구성도 인용돼 있고, 보도에 따르면 이 벤치마크는 보험과 금융, 정부 문서에서 사람 손으로 확인을 거친 2,000쪽 넘는 페이지로 이루어져 있어요. 같은 보도는 ParseBench 리더보드 전체에서는 LlamaParse 의 Agentic Plus 구성이 90.20점으로 앞서 있다고 전했는데, 코히어 표에 오른 건 그 회사의 비용 절감형 구성이에요. 발표문 표를 읽을 때 각 회사의 어느 등급 제품이 올라왔는지를 같이 봐야 하는 이유예요.

배포 경로는 넷이에요. 코히어 API 와 Model Vault, 마이크로소프트 파운드리, AWS 세이지메이커에서 바로 쓸 수 있고, 검색 스택 Compass 안에서는 임베딩 모델 Embed, 재정렬 모델 Rerank 와 묶여 문서 수집부터 파싱, 청킹, 색인, 하이브리드 검색까지 한 인터페이스로 돌아가요. 규제 산업 팀은 자체 인프라에 올릴 수 있고, 발표문은 무료 스페이스에서 자기 문서로 먼저 시험해 보라고 안내했어요. 메탈은 코히어 CEO 에이든 고메즈가 AI 규칙을 누가 정하느냐를 두고 에세이를 냈다고 보도한 바 있는데, 사설 클라우드와 온프레미스 배포를 앞세우는 그 회사의 노선이 이 제품의 배포 방식에도 그대로 이어져요.

정확도 표에서 진 자리를 회사가 스스로 공개하고 그 옆에 처리량과 비용 표를 세운 출시예요. 페이지 하나하나를 프론티어 모델에 맡길 수 있는 조직은 드물고, 수백만 쪽을 다루는 워크플로에서 승부는 점수 5점 차이가 아니라 쪽당 비용과 초당 처리량에서 나요. 코히어는 그 계산을 발표문에 적었고, 9월 14일의 5초짜리 클립은 그 계산을 한 문장으로 줄인 광고예요.