LlamaIndex、精度と根拠の向上を伴う Extract V2.5 を発表

LlamaIndexは2026年10月1日に Extract v2.5 を導入し、スキーマベースの文書抽出エージェントの新世代を発表しました。ブログ記事（Adrian Lyjak と Eli Stewart が執筆）で、同社は3つの抽出ティアすべてで精度が向上し、最高位の Agentic と Agentic Plus の根拠が強化されたと報告し、これらの向上はページ単価の増加を伴わないと述べました。

ティア別ベンチマークの向上

LlamaIndexは、オープンな文書抽出ベンチマークである ExtractBench において、Cost Effective ティアの全体的な F1 値が 87.1 から 93.9 に、Agentic ティアが 89.8 から 95.8 に、最高精度ティアである Agentic Plus が 95.1 から 96.4 に上昇したと報告しました。同社によると、Cost Effective は現在、従来の Agentic ティアを上回り、Agentic は以前の Agentic Plus を上回っています。

ExtractBench は、8つのビジネス領域と 67 種類の文書タイプにわたる合計 4,869 ページ、370 件のエンタープライズ文書をテストします。LlamaIndex はベンチマークを公開データセット、評価ハーネス、手法と共に公開し、最先端の VLM、コーディングエージェント、専門的な抽出 API を評価しました。

新しいエージェントハーネスと構造的推論

同社は、v2.5 が文書抽出専用に設計された新しいエージェントハーネス上で動作し、最新のコーディングエージェントから着想を得て、ビジョン、推論、検証における失敗モードに対応できるようモデルに合わせて調整されたと述べました。LlamaIndex は、結果として得られるエージェントが複数ページのコンテキストを相互参照し、値を正確なソースに根拠付けできると語っています。

記事が「構造的推論」と呼ぶ機能は、文書表現上で動作し、文書タイプ、レイアウト、情報密度に基づいて抽出を最適化します。エージェントは複雑な文書にはより多くの処理を割き、シンプルな文書は低レイテンシで処理します。v2.5 では、チームは Agentic Plus 用ハーネスを Cost Effective と Agentic ティアにも導入し、文書表現、ツール、モデル構成を評価した上で、各ティアのコスト制約に合わせてツールと抽出戦略を調整しました。また、同社はエージェントがスキーマや抽出指示に従う方法、最大 3,200 フィールドのタスクを含む取り組みについても作業したと述べ、抽出レコードをデータベースと照合する際にレコード ID が重要なユーザーは、プロンプトでそれを明示するよう助言しています。

長いリスト、ページ跨ぎレコード、スキャンフォーム

長いリストタスクでは、Cost Effective のスコアが 82.0 から 92.6、Agentic が 86.1 から 95.5、Agentic Plus が 94.5 から 96.3 に上昇したと LlamaIndex は報告しました。同社は、v2.5 が中間表現を使用して完全なデータセットで作業し、出力をユーザーのスキーマと照合して検証すると述べました。例として、17 ページのファンド提出書類では、従来の Cost Effective ティアは 238 件中 87 件しか返さなかったが、v2.5 は全 238 件を返し、文書の抽出スコアを 52.8 から 98.7 に向上させたとしています。

ページ跨ぎのレコードでは、Cost Effective のスコアが 80.3 から 92.0、Agentic が 85.5 から 96.5、Agentic Plus が 93.6 から 96.7 に上昇したと報告されています。United Way Worldwide の Schedule I 助成金明細表において、同社は Agentic v2.0 がページ区切りで止まり、助成金の目的と住所が不完全だったが、v2.5 では次ページからの続きが同一レコードに含まれるようになったと述べました。

スキャンしたフォームでは、Cost Effective のスコアが 89.6 から 93.9、Agentic が 90.9 から 95.7、Agentic Plus が 94.4 から 96.1 に上昇したと報告されています。注釈付きの W-14 廃棄許可書において、同社は従来の Agentic ティアがレビューアの日付と許可番号を結合し、レビューアのメモを淡水深さに付加していたが、v2.5 では元の値と注釈をスキーマが要求するフィールドに分離したと述べています。

高度な引用と根拠付け

このリリースでは、Agentic と Agentic Plus ティア向けに「Advanced Citations」を導入し、文書に逐語的に記載されていない値を含む、難解なフィールドの裏付け証拠のバウンディングボックスを特定します。初期バージョンは以前 Agentic Plus で利用可能でしたが、LlamaIndex はこの機能の根拠付け精度をさらに向上させ、Agentic へも拡張したと述べました。同社は、ExtractBench の根拠付けスコアが Agentic で 46.8 から 80.6、Agentic Plus で 46.4 から 82.2 に上昇したと報告しています。比較チャートには、Sonnet 5.5 が 63.2、GPT-6 SOL が 77.6、Opus 5.5 が 77.5、Reducto Deep Extract が 50.8、Extend Max が 21.8、そして自社の Cost Effective ティアが 54.3 の根拠付けスコアが掲載されています。

同社は、バウンディングボックス引用が信頼度スコアと組み合わされることで、チームが自動的に処理できる抽出値と詳細確認が必要な値を判断でき、人間が介在するワークフローでレビュー担当者がフラグ付けされた値を元文書と照合できるようになると述べました。

スプレッドシートモードと利用可能性

v2.5 はネイティブなスプレッドシート抽出を追加します。スプレッドシートモードでは、エージェントが平坦化された表現ではなく、ワークブックのセルと直接やり取りし、ユーザーは抽出設定でこのモードを有効化できます。

Extract v2.5 は LlamaCloud、Go 言語ベースのコマンドラインツール llp、Claude Code と Codex を含むエージェントクライアント向け MCP サーバー、そして Python の llama-cloud SDK を通じて利用可能で、抽出ジョブはバージョン 2.5 を選択し、cite_sources と confidence_scores オプションを有効にできます。LlamaIndexは、既存のスキーマを使用してワークフローを代表するドキュメントでv2.5を実行することをユーザーに推奨し、特に以前は手動でのクリーンアップが必要だったり、自動化するには十分に信頼できなかったドキュメントに対して、抽出品質が大幅に向上すると期待していると述べました。