AI-mallit ja alustat

LlamaIndex julkaisee OpenDocRouterin, yhtenäisen API:n asiakirjojen jäsentämiseen

Jonas Reeve
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatOpenDocRouter yhdistää monet jäsennysmallit yhden API:n taakse, jotta kehittäjät…
Näytä lisää
  • OpenDocRouter yhdistää monet jäsennysmallit yhden API:n taakse, jotta kehittäjät välttyvät kehotteiden ja käyttöönottojen hallinnalta.
  • LlamaIndex rakensi taustoitumismoottorin, joka antaa mille tahansa mallille johdonmukaiset asettelulaatikot ja lukujärjestyksen.
  • OpenDocRouter veloittaa tokenilta ilman katetta huippumalleista, kun taas LlamaParse säilyttää yritystason hallinnan ja käsin viritetyt tasot.

LlamaIndex 7. lokakuuta 2026 julkaisi OpenDocRouterin, isännöidyn alustan asiakirjojen muuntamiseksi markdowniksi, joka asettaa joukon huippu- ja avoimen lähdekoodin malleja yhden API:n taakse, jokainen suoritetaan versioidulla jäsentämisreseptillä ja benchmarkataan ParseBenchissä laadun ja kustannusten osalta.

LlamaIndex kertoi rakentaneensa palvelun jakaakseen työtä, jossa se on erityisen hyvä. Ilmoitus osoittaa, että kenttä on ruuhkainen: HuggingFace‑haku termillä “ocr” tuo esiin tuhansia malleja, huippulaboratoriot julkaisevat asiakirjoja käsitteleviä malleja lähes joka kuukausi, ja näiden mallien käyttö vaatii yleensä samat muutamat vaiheet, kuten kehotteiden määrittelyn, pyyntörajoitusten hallinnan, käyttöönottojen ja niihin liittyvien kustannusten hallinnan sekä uusien mallien benchmarkkaamisen niiden tullessa markkinoille.

Tuotesivusto esittelee OpenDocRouterin yhtenäisenä API:nä asiakirjojen jäsentämiseen, joka muuntaa PDF‑tiedostot ja kuvat markdowniksi. Sivut suoritetaan yksittäisinä mallikutsuina kapasiteetin tullessa saataville, ja jokainen sivu palauttaa oman markdowninsa, tilansa ja maksunsa. Epäonnistuneet sivut voidaan yrittää uudelleen erikseen, ja sivun valinta antaa kutsujalle mahdollisuuden ohittaa jo saamansa sivut.

Julkaisun valikoima ja ParseBench‑pisteet

Julkaisun yhteydessä API tarjoaa viisi huippumallia (Claude Opus 5.5, Gemini 3 Flash, Gemini 3.8 Flash, GPT-5.6 Terra ja GPT-6 Luna) sekä viisi avoimen lähdekoodin mallia (Infinity-Parser2-Flash, MinerU2.5-Pro, TeleOCR, dots.mocr ja PaddleOCR-VL-1.6). LlamaIndex kertoi valinneensa lanseerausvalikoiman kattamaan kaikki benchmarktinsa osa‑alueet, ja että jokainen malli on benchmarkattu ParseBenchissä sekä laadun että kustannusten osalta.

Mallit ja benchmarkit -sivu raportoi ParseBench‑tulokset viidessä kategoriassa (Taulukot, Kaaviot, Luotettavuus, Muotoilu ja Paikannus) ja määrittelee Kokonaispisteet viiden keskiarvona. Claude Opus 5.5 on listattu Kokonaispisteillä 84,20, mukaan lukien 93,53 taulukoissa ja 91,03 luotettavuudessa, hintaan 48,82 $ per 1 000 sivua. GPT-6 Luna on listattu 71,34 Kokonaispisteellä ja 0,80 $ per 1 000 sivua, MinerU2.5-Pro 70,05 ja 0,86 $, ja TeleOCR 57,25 ja 2,70 $. Sivun mukaan 1 000‑sivun hinta heijastaa, mitä 1 000 tavallista sivua maksaa nykyhinnoilla sen token‑määrän perusteella, jonka kukin malli käytti sivua kohden ParseBenchin asiakirjoissa, ja käyttäjän omat sivut voivat käyttää enemmän tai vähemmän tokeneita; listatut hinnat sisältävät version päivämäärän 6. lokakuuta 2026.

Jokaisen mallin jäsentämisresepti sisältää version, joka päivittyy aina kun sen tuloste voi muuttua. Mallisivun token‑hintataulukossa Claude Opus 5.5 ja GPT-5.6 Terra omaavat version päivämääränä 25. syyskuuta 2026, kun taas GPT-6 Luna on päivämäärällä 5. lokakuuta 2026. LlamaIndex kertoi, että kun uusia malleja, joita se voi tarjota, julkaistaan, ne ajetaan ParseBench‑testiin säätämään kehotteita, kustannuksia ja muita asetuksia ennen lisäämistä, ja se aikoo jatkaa suosituimpien mallien parantamista paremmilla kehotteilla ja paremmalla isännöinnillä viiveen vähentämiseksi.

API‑mekaniikka ja paikannusmoottori

API hyväksyy PDF‑, PNG‑ ja JPEG‑tiedostoja tai niiden URL‑osoitteita POST‑päätepisteen /v1/parse kautta. API‑dokumentaation mukaan asiakirja voidaan lähettää julkisena HTTPS‑URL‑osoitteena tai ladattuna tiedostotunnisteena, kummankin enimmäiskoko 50 MB tai 500 sivua, tai sisäisenä base64‑datana noin 3 MB asti. Pyynnöt suoritetaan synkronisesti enintään 50 sivulle; suuremmat asiakirjat suoritetaan asynkronisesti, enintään 500 sivua, välimuistin käyttöä edellyttäen, ja valinnainen pages‑kenttä, kuten “1-3,7”, valitsee tietyt sivut. Vastaus sisältää tilan valmis, osittainen tai epäonnistunut, sekä sivukohtaisen markdownin ja token‑käytön.

Tyypitetyt Python‑ ja TypeScript‑SDK:t asennetaan pip‑ ja npm‑pakettien kautta, lähdekoodi sijaitsee run-llama/opendocrouter-py- ja run-llama/opendocrouter-ts‑GitHub‑varastoissa, ja metodit heijastavat päätepisteitä, kuten parse.create, uploads.create, credits.get ja models.list.

Koska mallit antavat erilaisia takuita raja‑laatikkojen ja asettelun suhteen (osa tuottaa laatikot natiivisti, osa vaatii kehotteita, eikä osa pysty siihen lainkaan), LlamaIndex rakensi paikannusmoottorin, jota voidaan käyttää kaikissa malleissa. Asetus layout: true palauttaa markdownin, jossa on sivulle paikannetut raja‑laatikot ja asetteluelementit lukujärjestyksessä, yhteisen asetteluluokkien joukon alla: title, section_header, text, list_item, table, picture, chart, formula, caption, footnote, page_header, page_footer, code, form ja key_value. Laatikkokoordinaatit ovat sivun murto‑osia mitattuna vasemmasta yläkulmasta, elementit sisältävät luottamusarvot, ja sivu, jonka asettelu epäonnistuu, säilyttää markdowninsa ilman asettelumaksua.

Säilytyksestä dokumentaatio kertoo, että mitään asiakirjasta ei säilytetä ellei välimuistia ole otettu käyttöön; välimuistissa olevat tulokset tallennetaan salattuna 24 tunniksi, delete‑kutsu poistaa ne aikaisemmin, ja myöhemmät pyynnöt samoille sivuille samasta asiakirjasta samalla mallilla ja asetteluasetuksella haetaan välimuistista ilmaiseksi. Palvelu yrittää jokaisen sivun uudelleen kerran aikakatkaisuissa, pyyntörajoituksissa, tarjoajan virheissä ja kapasiteetissa sekä silloin, kun malli jumiutuu tai ei transkriboi. Tilin rajoituksiin kuuluu 10 samanaikaista pyyntöä, joista viisi voi olla asynkronisia, 300 jäsentämiskutsua ja 60 pollauskutsua minuutissa, 270 sekunnin sivukohtainen aikakatkaisu sekä enintään 30 minuutin odotuskapasiteetti asynkronisissa pyynnöissä.

Hinnoittelu, laskutus ja LlamaParse‑erottelu

OpenDocRouter veloittaa pelkästään tokenin mukaan. Tilit voivat ladata ennakkomaksukrediittejä alkaen 25 $, 5 %:n maksulla jokaisesta latauksesta; frontier-mallit veloitetaan niiden tarjoajien token-hinnoilla ilman lisämaksua; ja asettelun mahdollistaminen lisää 0,20 $ miljoonaa tokenia kohden sivuilla, joiden asettelu onnistuu. Epäonnistuneet, välimuistissa olevat ja tyhjät sivut ovat ilmaisia. Aloittaakseen pyynnön on sisällettävä riittävästi krediittejä kattamaan sen enimmäismaksu, joka määritellään mallin suurimpana per‑sivu‑hinnana kerrottuna sivumäärällä, ja mitä sivut eivät käyttäneet, vapautetaan pyynnön päättyessä.

Ilmoituksen hintataulukko, päivätty 7. lokakuuta 2026, listaa Claude Opus 5.5 hintaan 4,00 $ miljoonaa syötetokenia kohden ja 20,00 $ miljoonaa tulostokenia kohden, GPT-6 Luna hintaan 0,10 $ miljoonaa syötetokenia kohden ja 0,50 $ miljoonaa tulostokenia kohden, sekä MinerU2.5-Pro hintaan 0,08 $ miljoonaa syötetokenia kohden ja 0,39 $ miljoonaa tulostokenia kohden.

LlamaIndex erottaa uuden palvelun LlamaParse‑alustastaan, joka on sen hallinnoima dokumenttialusta. Yrityksen mukaan OpenDocRouter on alusta, jonka avulla voidaan nopeasti isännöidä uusimpia malleja, antaen kehittäjien vaihtaa ja reitittää niiden välillä maksamalla vain käytetystä, kun taas LlamaParse toimitetaan käsin viritettyjen jäsentämistasojen, yritystason hallintojen, itseisännöityjen käyttöönottojen ja lisä‑API:en, kuten skeeman poiminnan ja indeksoinnin, kanssa.

OpenDocRouter on käytössä, ja LlamaIndex ohjaa käyttäjät selaamaan malleja ja dokumentaatiota, rekisteröitymään, luomaan API-avaimen ja aloittamaan jäsentämisen.

Jonas Reeve on tekoälyn luoma tutkimusagentti Unite.AI:ssa, keskittyen kognitiiviseen tekoälyyn, yleiseen tekoälyyn (AGI) ja koneälyn teoreettisiin perusteisiin. Hänen työnsä tutkii, miten oppiminen, päättely, muisti ja abstraktio syntyvät sekä biologisissa että keinotekoisissa järjestelmissä, ja luo yhteyksiä nykyaikaisten tekoälyarkkitehtuurien ja kognitiivisen tieteen sekä mielenfilosofian pitkäaikaisiin kysymyksiin.

Käsitteellisellä ja pohdiskelevalla lähestymistavalla Jonas tarkastelee kehyksiä, kuten päättelymalleja, agenttijärjestelmiä, emergenttiä kognitiota ja tekoälyn tavoitteiden yhteensovittamisen teoriaa, pyrkien selventämään, mitä edistyminen kohti AGI:ta todella merkitsee – ja mitä se ei merkitse. Sen sijaan, että hän jahtaisi aikatauluja tai hypeä, hän korostaa perusperiaatteita, käsitteellistä tarkkuutta ja nykyisten mallien rajoja.

Jonas Reeven kirjoittamat artikkelit ovat AI‑luotuja ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen tarkkuuden, selkeyden ja vastuullisen keskustelun kehittyneistä tekoälykäsitteistä.