LlamaIndex führt Extract V2.5 mit Verbesserungen bei Genauigkeit und Quellenverankerung ein

LlamaIndex stellte am 1. Oktober 2026 Extract v2.5 vor, eine neue Generation seiner schema‑basierten Dokumenten‑Extraktions‑Agenten. In einem Blogbeitrag von Adrian Lyjak und Eli Stewart berichtete das Unternehmen über Genauigkeitsverbesserungen in allen drei Extraktions‑Stufen und über verbesserte Quellenverankerung für die beiden höchsten Stufen, Agentic und Agentic Plus, und erklärte, dass die Verbesserungen ohne Erhöhung der Preisgestaltung pro Seite auskommen.

Benchmark‑Gewinne pro Stufe

LlamaIndex berichtete, dass auf ExtractBench, seinem offenen Dokumenten‑Extraktions‑Benchmark, der gesamte F1‑Wert von 87,1 auf 93,9 für die Cost Effective‑Stufe, von 89,8 auf 95,8 für Agentic und von 95,1 auf 96,4 für Agentic Plus, seiner höchstgenauen Stufe, gestiegen ist. Laut dem Unternehmen übertrifft Cost Effective nun die vorherige Agentic‑Stufe, und Agentic übertrifft das frühere Agentic Plus.

ExtractBench testet 370 Unternehmensdokumente mit insgesamt 4.869 Seiten über 8 Geschäftsbereiche und 67 Dokumenttypen, wobei jeder Typ ein eigenes Schema hat. LlamaIndex veröffentlichte den Benchmark mit einem öffentlichen Datensatz, einem Evaluations‑Framework und einer Methodik und hat damit modernste VLMs, Coding‑Agenten und spezialisierte Extraktions‑APIs bewertet.

Neues Agenten‑Framework und strukturelles Reasoning

Das Unternehmen erklärte, dass v2.5 auf einem neuen, speziell für die Dokumenten‑Extraktion entwickelten Agenten‑Framework läuft, das sich an den neuesten Coding‑Agenten orientiert und auf die Modelle abgestimmt ist, um Fehlermodi in den Bereichen Vision, Reasoning und Verifikation zu bewältigen. LlamaIndex sagte, dass der daraus resultierende Agent Kontext aus mehreren Seiten verknüpfen und Werte in genauen Quellen verankern kann.

Eine vom Beitrag als „Structural Reasoning“ bezeichnete Fähigkeit arbeitet mit Dokumentrepräsentationen, um die Extraktion basierend auf Dokumenttyp, Layout und Informationsdichte anzupassen: Der Agent investiert mehr Aufwand bei komplexen Dokumenten und verarbeitet einfachere mit geringerer Latenz. Für v2.5 hat das Team das Framework hinter Agentic Plus auf die Cost Effective‑ und Agentic‑Stufen übertragen und dessen Werkzeuge sowie Extraktionsstrategien an die jeweiligen Kostengrenzen angepasst, nachdem Dokumentrepräsentationen, Werkzeuge und Modellkonfigurationen evaluiert wurden. Das Unternehmen sagte zudem, dass es daran gearbeitet habe, wie Agenten Schemas und Extraktionsanweisungen folgen, einschließlich Aufgaben mit bis zu 3.200 Feldern, und empfiehlt Nutzern, deren Datensatz‑IDs für die Zuordnung extrahierter Datensätze zu einer Datenbank entscheidend sind, diese in ihren Eingabeaufforderungen zu erwähnen.

Lange Listen, seitenübergreifende Datensätze und gescannte Formulare

Bei Aufgaben mit langen Listen berichtete LlamaIndex, dass die Werte von 82,0 auf 92,6 für Cost Effective, von 86,1 auf 95,5 für Agentic und von 94,5 auf 96,3 für Agentic Plus gestiegen sind. Das Unternehmen erklärte, dass v2.5 Zwischendarstellungen nutzt, um mit dem gesamten Datensatz zu arbeiten und die Ausgabe gegen das Schema des Nutzers zu validieren. In einem Beispiel, einer 17‑seitigen Fonds‑Einreichung, lieferte die vorherige Cost Effective‑Stufe 87 von 238 Positionen; das Unternehmen sagte, dass v2.5 alle 238 zurückgibt und damit den Extraktions‑Score dieses Dokuments von 52,8 auf 98,7 erhöht.

Bei seitenübergreifenden Datensätzen stiegen die gemeldeten Werte von 80,3 auf 92,0 für Cost Effective, von 85,5 auf 96,5 für Agentic und von 93,6 auf 96,7 für Agentic Plus. In einem United Way Worldwide Schedule‑I‑Zuschussverzeichnis sagte das Unternehmen, dass Agentic v2.0 bei einem Seitenumbruch stoppte und Zweck sowie Adresse des Zuschusses unvollständig ließ, während v2.5 die Fortsetzung von der nächsten Seite in denselben Datensatz einbezieht.

Bei gescannten Formularen stiegen die gemeldeten Werte von 89,6 auf 93,9 für Cost Effective, von 90,9 auf 95,7 für Agentic und von 94,4 auf 96,1 für Agentic Plus. Bei einer annotierten W‑14‑Entsorgungsgenehmigung sagte das Unternehmen, dass die Agentic‑Stufe zuvor das Datum des Prüfers mit der Genehmigungsnummer kombinierte und eine Prüfer‑Notiz an die Tiefe des Süßwassers anhängte, während v2.5 die ursprünglichen Werte von den Anmerkungen trennt und sie in die vom Schema geforderten Felder einordnet.

Erweiterte Zitate und Quellenverankerung

Die Veröffentlichung führt erweiterte Zitate für die Agentic‑ und Agentic‑Plus‑Stufen ein, die Begrenzungsrahmen von unterstützenden Belegen für schwierige Felder lokalisieren, einschließlich Werte, die nicht wortwörtlich im Dokument vorkommen. Eine erste Version war bereits in Agentic Plus verfügbar; LlamaIndex erklärte, dass die Genauigkeit der Quellenverankerung der Funktion weiter verbessert und auf Agentic ausgeweitet wurde. Das Unternehmen berichtete, dass die ExtractBench‑Quellenverankerungsscores von 46,8 auf 80,6 für Agentic und von 46,4 auf 82,2 für Agentic Plus gestiegen sind. In seiner Vergleichstabelle werden Quellenverankerungsscores von 63,2 für Sonnet 5.5, 77,6 für GPT‑6 SOL, 77,5 für Opus 5.5, 50,8 für Reducto Deep Extract, 21,8 für Extend Max und 54,3 für die eigene Cost Effective‑Stufe aufgeführt.

Das Unternehmen erklärte, dass Bounding‑Box‑Zitate mit Vertrauenswerten kombiniert werden, was Teams dabei hilft zu entscheiden, welche extrahierten Werte automatisch weiterverarbeitet werden können und welche einer genaueren Prüfung bedürfen, sodass Prüfer die markierten Werte im Originaldokument in Human‑in‑the‑Loop‑Arbeitsabläufen überprüfen können.

Tabellen‑Modus und Verfügbarkeit

v2.5 fügt eine native Tabellen‑Extraktion hinzu: Im Tabellen‑Modus arbeiten Agenten direkt mit den Zellen einer Arbeitsmappe statt mit einer abgeflachten Darstellung, und Nutzer können den Modus in der Extraktions‑Konfiguration aktivieren.

Extract v2.5 ist über LlamaCloud, ein Go‑basiertes Befehlszeilen‑Tool namens llp, einen MCP‑Server für Agenten‑Clients einschließlich Claude Code und Codex sowie das Python‑llama‑cloud‑SDK verfügbar, wobei Extraktions‑Jobs die Version 2.5 auswählen und die Optionen cite_sources und confidence_scores aktivieren können. LlamaIndex ermutigte die Nutzer, v2.5 auf Dokumenten auszuführen, die repräsentativ für ihre Arbeitsabläufe sind, unter Verwendung ihrer bestehenden Schemata, und sagte, dass es erwartet, dass die Version einen deutlichen Sprung in der Extraktionsqualität darstellt, insbesondere für Dokumente, die zuvor manuelle Bereinigung erforderten oder nicht zuverlässig genug waren, um automatisiert zu werden.