Modely a platformy AI

You.com spouští Extract API pro získávání dokumentů a parsování PDF

Theo Nash
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyStandardní režim PDF od You.com vyměňuje mnohem pomalejší latenci za výrazně silnější…
Zobrazit více
  • Standardní režim PDF od You.com vyměňuje mnohem pomalejší latenci za výrazně silnější parsování tabulek a grafů.
  • Lite parsování zachovává jednotnou cenu za URL a rychlé odpovědi pro dokumenty, jejichž text je již vložen.
  • Starší Contents API je zmrazeno, zatímco hlubší parsování PDF a parse_effort zůstávají výhradně v Extract.

You.com spustil Extract API 17. listopadu 2026 a vývojářům tak nabídl jediné koncové rozhraní, které načte webovou stránku nebo PDF a vrátí jeho obsah ve formátu Markdown nebo HTML. Společnost uvedla, že její výchozí režim pro PDF dosáhl v hodnocení podle pěti kritérií nejméně o 80 % lepšího výsledku než Exa Contents a Parallel Extract.

Extract je určen pro agenty, kteří po vyhledávání potřebují celý dokument, například podání, smlouvu nebo odbornou studii, nikoli jen úryvek. Lze jej však volat i přímo, pokud je URL již známá. Požadavky se ověřují pomocí klíče API a odpovědi uvádějí, zda materiál pocházel z mezipaměti, nebo byl načten přímo.

Nastavení načítání a parsování

Referenční dokumentace API uvádí tři nastavení načítání. Výchozí nastavení, blend, používá obsah z mezipaměti, je-li k dispozici, a jinak stránku prochází přímo; fetch vždy stránku prochází přímo, zatímco cache vrací pouze uložený obsah a pokud žádná kopie neexistuje, pole s obsahem vynechá. Výchozí časový limit požadavků od začátku do konce je 30 sekund; lze jej nastavit v rozmezí od 2 do 100 sekund. Po jeho uplynutí koncový bod vrátí chybu 504.

Zpracování PDF se nastavuje samostatně pomocí parse_effort. Standard, výchozí nastavení, předává složité stránky, například s grafy a obrázky, pokročilému modelu; lite extrahuje pouze obsah vložený na jednotlivých stránkách. You.com uvádí, že první přístup je určen pro tabulky, grafy, formuláře a naskenované stránky, zatímco lite se hodí pro digitálně vytvořené textové dokumenty, například smlouvy. Ani jedno nastavení nemění výstup webových stránek ani cenu.

Metodika a výsledky srovnávacího testu

K ověření kvality zpracování PDF použil You.com oba režimy Extract, Exa Contents a Parallel Extract na 3 782 stránkách ve 12 sadách ParseBench-2. Každá služba dostala stejnou URL, hodnotitel ParseBench ohodnotil výstupy a za každý dokument, který služba nedokázala vrátit, získala nula bodů. You.com uvedl největší náskok v kategoriích tabulek a grafů: Extract standard v nich dosáhl skóre 74,9 a 76,6, zatímco Exa získala 22,8 a 0,9 a Parallel 0,1 a nulu.

Rychlost vyšla opačně: You.com uvedl medián latence 11,0 sekundy pro standard a 2,6 sekundy pro lite, ve srovnání s 1,3 sekundy u Exa a 1,8 sekundy u Parallel. Minimální stáří mezipaměti 600 sekund u Parallel znamená, že některé její odpovědi mohly pocházet z mezipaměti.

Skóre parsování se vztahují k užšímu hodnocení než celý srovnávací test. You.com vynechal hodnocení rozvržení založené na souřadnicích, protože Extract vrací parsovaný obsah, nikoli souřadnice jednotlivých prvků stránky. Veřejný žebříček LlamaIndex zahrnuje 56 metod, 4 317 stránek a 13 datových sad hodnocených v šesti dimenzích; celkové skóre se počítá jako prostý průměr těchto dimenzí. Hlavní srovnání tedy popisuje test You.com s omezeným rozsahem, nikoli celkové pořadí v ParseBench-2.

Ceny a přechod z Contents API

Lite stojí paušálně 0,90 USD za 1 000 URL. Standard účtuje stejnou cenu za URL a navíc 0,50 USD za 1 000 stránek, pouze pokud je načtený soubor rozpoznán jako PDF.

Na základě mediánu 26 stránek, který společnost uvádí u miliard zpracovaných PDF, odhaduje You.com cenu za 1 000 běžných dokumentů na 13,90 USD při použití standard, oproti paušální sazbě lite ; Exa a Parallel uvádí za 1 000 URL cenu 1,00 USD bez ohledu na délku. Náročnější režim standard proto znamená značný příplatek u vícestránkových dokumentů, zatímco lite je u textových PDF levnější než konkurenční služby.

Požadavky, které selžou na straně You.com, se neúčtují. Chybové odpovědi rozlišují blokované URL, neúspěšné požadavky a stránky bez obsahu, takže automatizované procesy mohou rozhodnout, zda se o načtení pokusit znovu. U citlivých dokumentů je bez příplatku k dispozici nulové uchovávání dat, jeho aktivaci si však zákazníci musí vyžádat u You.com.

Vývojáři mohou Extract pro webové stránky používat zdarma prostřednictvím oficiálního MCP serveru You.com, bez klíče a ověření. Při přímé registraci k API získají kredit 10 USD, případně 100 USD při použití pracovního e-mailu; You.com odhaduje, že vyšší částka pokryje přibližně 7 000 běžných PDF v standard. Starší Contents API zůstává stávajícím uživatelům k dispozici, ale jeho aktivní vývoj skončil; pokročilejší parsování PDF a parse_effort jsou vyhrazeny pro Extract.

Rozhodující pro výběr řešení pro načítání je samotný dokument. Pokud se odpověď nachází ve vloženém textu, lite zachovává jednotnou cenu za URL a rychlejší odezvu; pokud je informace v grafu, tabulce nebo naskenované stránce, uváděné zlepšení parsování u You.com přináší vyšší latenci a u dlouhých PDF také výrazně vyšší cenu.

Theo Nash je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá AI infrastrukturou, výpočetní technikou a hardwarovými systémy, které pohánějí moderní umělou inteligenci. Jeho práce se soustředí na technické základy velkých AI pracovních zátěží, včetně datových center, akcelerátorů, sítí a softwarových vrstev, které je spojují.

S analytickým a inženýrsky orientovaným pohledem Theo zkoumá, jak pokroky v GPU, zakázkově navržených křemíkových čipech, paměťových architekturách a distribuovaných systémech umožňují nové generace AI modelů. Věnuje zvláštní pozornost kompromisům výkonu, energetické účinnosti, škálovatelnosti a praktickým omezením, která formují nasazení AI infrastruktury v reálném světě.

Články napsané Theem Nashem jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a odpovědné pokrytí rychle se vyvíjejícího prostředí AI výpočtů.