La guerra por extraer datos útiles de documentos empresariales ha encontrado un nuevo contendiente. Cohere acaba de presentar Parse 5 (parse-v5.0), un modelo visión-lenguaje de 2.300 millones de parámetros diseñado para una tarea aparentemente mundana pero crítica: convertir montañas de PDFs, presentaciones e imágenes corporativas en Markdown estructurado. Con tablas en HTML, coordenadas de bounding boxes y descripciones automáticas de gráficos, la compañía canadiense pretende posicionarse como la opción preferida para empresas ahogadas en documentación heredada.

La propuesta comercial es agresiva. Cohere ofrece acceso vía API a 1,50 dólares por cada mil páginas procesadas, una cifra que coloca el servicio en territorio competitivo frente a alternativas como Mistral OCR, Azure Document Intelligence o Databricks AI Parse. Para organizaciones con volúmenes masivos, la opción de instancias dedicadas en Model Vault parte desde 2.500 dólares mensuales, un escalón pensado para equipos legales, financieros o de cumplimiento que necesitan procesar cientos de miles de documentos al día.

Qué hay bajo el capó

Parse 5 no es un OCR convencional. Al ser un modelo visión-lenguaje (VLM), interpreta la página completa como un objeto visual y lingüístico, lo que le permite capturar no solo el texto, sino también la jerarquía visual, las tablas complejas y los elementos gráficos. El resultado es Markdown con tablas renderizadas en HTML, metadatos de posición y descripciones textuales de imágenes, un formato ideal para alimentar pipelines de RAG (Retrieval-Augmented Generation) o entrenar modelos sobre corpus documentales.

Según Cohere, su modelo alcanza una puntuación de 79,2 en ParseBench, el benchmark que la propia compañía diseñó para evaluar esta tarea. Supera así a las soluciones de Mistral, Microsoft Azure y Databricks. Sin embargo, hay matices importantes que cualquier CTO debería considerar antes de celebrar.

La letra pequeña del benchmark

El 79,2 de ParseBench se calcula como promedio de solo tres de las cinco dimensiones del benchmark. Las categorías de gráficos (charts) y grounding visual —es decir, la capacidad de asociar correctamente cada elemento con sus coordenadas en la página— quedan completamente fuera de la métrica principal. Esto significa que el liderazgo de Cohere se sostiene sobre extracción de texto y estructura tabular, pero no sobre comprensión de visualizaciones ni sobre la precisión espacial de los elementos detectados.

Para empresas cuyo valor reside en gráficos financieros, diagramas técnicos o infografías, esta omisión no es trivial. Parse 5 podría reconstruir perfectamente el texto de un informe anual y, aun así, perder la información contenida en sus gráficos, que suele ser la más valiosa.

Por qué importa para el ecosistema hispanohablante

En mercados como España y Latinoamérica, donde la transformación digital de sectores tradicionales (banca, salud, administración pública) avanza con paso desigual, herramientas como Parse 5 pueden acelerar la migración de archivos físicos a bases de conocimiento consultables por IA. El precio por página es especialmente relevante para despachos de abogados, gestorías y empresas de auditoría que manejan décadas de documentación escaneada.

Además, la salida en Markdown con HTML facilita la integración con frameworks de IA generativa populares en el ecosistema hispanohablante, como LangChain o LlamaIndex, reduciendo el trabajo de preprocesamiento que tradicionalmente consume entre el 60% y el 80% del tiempo en proyectos de IA documental.

El contexto competitivo

Cohere no está sola en esta carrera. Mistral lanzó su propio OCR con foco en velocidad, Google ofrece Document AI dentro de su suite Vertex, y startups como Reducto o Nanonets compiten por el mismo nicho. La diferencia de Parse 5 parece radicar en su enfoque de extremo a extremo como VLM, en lugar de pipelines tradicionales que combinan OCR, detección de tablas y clasificación por separado.

Queda por ver si los clientes empresariales validan las afirmaciones de Cohere con pruebas independientes. Mientras tanto, la compañía ha puesto Parse 5 disponible de inmediato, con el modelo accessible a través de su plataforma y próximamente integraciones con los principales hyperscalers.