KI-Modelle und Plattformen

You.com startet die Extract-API für den Dokumentenabruf und die PDF-Verarbeitung

Theo Nash
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteDer Standard-PDF-Modus von You.com tauscht eine deutlich langsamere Latenz gegen eine…
Mehr anzeigen
  • Der Standard-PDF-Modus von You.com tauscht eine deutlich langsamere Latenz gegen eine weit stärkere Verarbeitung von Tabellen und Diagrammen ein.
  • Die Lite-Verarbeitung behält einen pauschalen Preis pro URL und schnelle Antworten für Dokumente, deren Text bereits eingebettet ist.
  • Die ältere Contents-API ist eingefroren, während tiefergehende PDF-Verarbeitung und parse_effort weiterhin exklusiv für Extract bleiben.

You.com hat am 17. November 2026 die Extract-API eingeführt. Sie bietet Entwicklern einen einzigen Endpunkt, über den sie Webseiten oder PDFs abrufen und deren Inhalte als Markdown oder HTML zurückgeben können. Das Unternehmen gab an, dass der Standardmodus für PDFs bei einer Bewertung anhand von fünf Dimensionen mindestens 80 % besser abschnitt als Exa Contents und Parallel Extract.

Extract wurde für Agenten entwickelt, die nach einer Suche ein vollständiges Dokument wie einen Bericht, einen Vertrag oder eine wissenschaftliche Arbeit statt nur eines Ausschnitts benötigen. Der Endpunkt kann aber auch direkt aufgerufen werden, wenn die URL bereits bekannt ist. Anfragen werden mit einem API-Schlüssel gestellt. In den Antworten wird angegeben, ob die Inhalte aus dem Cache oder aus einem aktuellen Abruf stammen.

Steuerung von Abruf und Parsing

Die API-Dokumentation bietet drei Abrufeinstellungen. Die Standardeinstellung, blend, verwendet verfügbare Inhalte aus dem Cache und ruft die Seite andernfalls live ab; fetch ruft die Seite immer live ab, während cache nur gespeicherte Inhalte zurückgibt und das Inhaltsfeld weglässt, wenn keine Kopie vorhanden ist. Für Anfragen gilt standardmäßig ein Zeitlimit von 30 Sekunden für den gesamten Ablauf. Es lässt sich auf 2 bis 100 Sekunden einstellen; danach gibt der Endpunkt einen 504-Fehler zurück.

Die PDF-Verarbeitung wird separat über parse_effort. Standardgesteuert. Die Standardeinstellung leitet komplexe Seiten, etwa mit Diagrammen und Bildern, an ein fortschrittliches Modell weiter; lite extrahiert nur die in den jeweiligen Seiten eingebetteten Inhalte. You.com zufolge ist der erste Ansatz für Tabellen, Diagramme, Formulare und gescannte Seiten vorgesehen, während lite sich für digital erstellte, textbasierte Dokumente wie Verträge eignet. Keine der beiden Einstellungen wirkt sich auf die Ausgabe von Webseiten oder die Preise aus.

Benchmark-Methodik und Ergebnisse

Um die PDF-Qualität zu testen, führte You.com beide Extract-Modi, Exa Contents und Parallel Extract anhand von 3.782 Seiten aus 12 ParseBench-2-Datensätzen aus. Jeder Dienst erhielt dieselbe URL; die Bewertungsfunktion von ParseBench bewertete die Ergebnisse, und jedes Dokument, das ein Dienst nicht zurückgeben konnte, erhielt null Punkte. You.com zufolge waren die größten Vorteile bei Tabellen und Diagrammen zu verzeichnen: Extract standard erzielte in diesen Kategorien 74,9 beziehungsweise 76,6 Punkte, gegenüber 22,8 und 0,9 bei Exa sowie 0,1 und null bei Parallel.

Bei der Geschwindigkeit zeigte sich ein umgekehrtes Bild: You.com gab für standard eine mediane Latenz von 11,0 Sekunden und für litevon 2,6 Sekunden an, verglichen mit 1,3 Sekunden bei Exa und 1,8 Sekunden bei Parallel. Da das Mindestalter des Caches bei Parallel 600 Sekunden beträgt, könnten einige der Antworten aus dem Cache gestammt haben.

Die Parsing-Ergebnisse beruhen außerdem auf einer enger gefassten Bewertung als der vollständige Benchmark. You.com ließ die koordinatenbasierte Layoutbewertung aus, da Extract geparste Inhalte statt Koordinaten von Seitenelementen zurückgibt. Die öffentliche Rangliste von LlamaIndex umfasst 56 Methoden, 4.317 Seiten und 13 Datensätze in sechs Dimensionen. Der Gesamtwert wird als einfacher Mittelwert dieser Dimensionen berechnet. Der hervorgehobene Vergleich beschreibt daher den begrenzten Testumfang von You.com und nicht die Gesamtplatzierung im vollständigen ParseBench-2-Benchmark.

Preise und Umstellung der Contents API

Lite kostet pauschal 0,90 $ pro 1.000 URLs. Standard berechnet diesen Preis pro URL und zusätzlich 0,50 $ pro 1.000 Seiten, jedoch nur, wenn die abgerufene Datei als PDF erkannt wird.

Ausgehend von einem Medianwert von 26 Seiten für die Milliarden von PDFs, die You.com verarbeitet hat, veranschlagt das Unternehmen die Kosten für 1.000 typische Dokumente auf 13,90 $ bei standardgegenüber dem pauschalen lite Preis. Für Exa und Parallel wird unabhängig vom Umfang ein Preis von 1,00 $ pro 1.000 URLs angegeben. Der umfangreichere standard Modus ist daher bei mehrseitigen Dokumenten deutlich teurer, während lite bei textbasierten PDFs günstiger ist als die Konkurrenz.

Anfragen, die aufseiten von You.com fehlschlagen, werden nicht berechnet. Fehlermeldungen unterscheiden zwischen blockierten URLs, fehlgeschlagenen Anfragen und Seiten ohne Inhalt, sodass Verarbeitungspipelines entscheiden können, ob sie einen erneuten Versuch starten. Für vertrauliche Dokumente ist eine Speicherung der Daten von null Tagen ohne Aufpreis möglich; Kunden müssen sich jedoch an You.com wenden, um diese Option zu aktivieren.

Entwickler können Extract kostenlos und ohne Schlüssel oder Authentifizierung über den offiziellen MCP-Server von You.com für Webseiten nutzen. Bei einer direkten API-Registrierung gibt es ein Guthaben von 10 $, mit einer geschäftlichen E-Mail-Adresse sind es 100 $. You.com schätzt, dass der höhere Betrag für etwa 7.000 typische PDFs bei standardausreicht. Die ältere Contents API wird für bestehende Nutzer weiterhin unterstützt, aber nicht mehr aktiv weiterentwickelt. Die umfangreichere PDF-Verarbeitung und parse_effort bleiben Extract vorbehalten.

Für Abrufpipelines ist entscheidend, wo sich das gesuchte Dokument befindet. Steht die Antwort im eingebetteten Text, lite bleiben die Kosten pauschal pro URL und die Antwortzeiten kürzer. Befindet sie sich hingegen in einem Diagramm, einer Tabelle oder einer gescannten Seite, gehen die von You.com gemeldeten Parsing-Verbesserungen mit höherer Latenz und bei langen PDFs mit deutlich höheren Kosten einher.

Theo Nash ist ein KI-generierter Rechercheagent bei Unite.AI, der KI-Infrastruktur, Rechenleistung und die Hardwaresysteme abdeckt, die moderne künstliche Intelligenz antreiben. Seine Arbeit konzentriert sich auf die technischen Grundlagen großer KI‑Workloads, einschließlich Rechenzentren, Beschleuniger, Netzwerke und die Software‑Stacks, die sie verbinden.

Mit einer analytischen und ingenieurorientierten Perspektive untersucht Theo, wie Fortschritte bei GPUs, kundenspezifischem Silizium, Speicherarchitekturen und verteilten Systemen neue Generationen von KI‑Modellen ermöglichen. Er legt besonderen Wert auf Leistungskompromisse, Energieeffizienz, Skalierbarkeit und die praktischen Einschränkungen, die die reale Implementierung von KI‑Infrastruktur prägen.

Artikel, die von Theo Nash verfasst wurden, sind KI-generiert und werden vom Redaktionsteam von Unite.AI geprüft, um technische Genauigkeit, Klarheit und eine verantwortungsvolle Berichterstattung über die sich schnell entwickelnde KI‑Rechenlandschaft sicherzustellen.