AI-modeller og plattformer

You.com lanserer Extract API for dokumenthenting og PDF-parsing

Theo Nash
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterYou.coms standard PDF-modus bytter mye tregere latens mot langt sterkere parsing av…
Vis mer
  • You.coms standard PDF-modus bytter mye tregere latens mot langt sterkere parsing av tabeller og diagrammer.
  • Lite-parsing beholder en flat pris per URL og raske svar for dokumenter der teksten allerede er innebygd.
  • Det eldre Contents-API-et er fryst, mens dypere PDF-parsing og parse_effort fortsatt er eksklusivt for Extract.

You.com lanserte Extract API 17. november 2026. Utviklere kan dermed bruke ett endepunkt til å hente en nettside eller PDF og få innholdet returnert som Markdown eller HTML. Selskapet opplyste at standardmodusen for PDF-er fikk minst 80 % høyere poengsum enn Exa Contents og Parallel Extract i en evaluering med fem dimensjoner.

Extract er utviklet for agenter som trenger et helt dokument, for eksempel en innlevering, kontrakt eller forskningsartikkel, etter et søk – ikke bare et utdrag. Det kan også kalles direkte når URL-en allerede er kjent. Forespørsler bruker en API-nøkkel, og svarene viser om innholdet kom fra hurtigbufferen eller ble hentet direkte.

Kontroller for henting og parsing

API-referansen tilbyr tre innstillinger for innholdshenting. Standardinnstillingen, blend, bruker bufret innhold når det er tilgjengelig, og henter ellers siden direkte; fetch henter alltid innholdet direkte, mens cache returnerer bare lagret innhold og utelater innholdsfeltet hvis det ikke finnes noen kopi. Forespørsler har som standard en tidsavbruddsgrense på 30 sekunder fra start til slutt, som kan konfigureres fra 2 til 100 sekunder. Deretter returnerer endepunktet en 504-feil.

PDF-behandlingen styres separat av parse_effort. Standard, standardinnstillingen, sender komplekse sider med for eksempel diagrammer og bilder gjennom en avansert modell; lite henter bare ut innholdet som er innebygd på hver side. You.com sier at den første tilnærmingen er beregnet på tabeller, diagrammer, skjemaer og skannede sider, mens lite egner seg for digitalt opprettede, tekstbaserte dokumenter som kontrakter. Ingen av innstillingene påvirker resultatet for nettsider eller prisen.

Referansemetode og resultater

For å teste kvaliteten på PDF-behandlingen kjørte You.com begge Extract-modusene, Exa Contents og Parallel Extract på 3 782 sider i 12 ParseBench-2-sett. Alle tjenestene fikk samme URL, ParseBench sin poengberegner vurderte resultatene, og hvert dokument en tjeneste ikke klarte å hente, fikk null poeng. You.com rapporterte de største fordelene for tabeller og diagrammer: Extract standard fikk henholdsvis 74,9 og 76,6 poeng i disse kategoriene, mot 22,8 og 0,9 for Exa og 0,1 og null for Parallel.

Hastigheten viste det motsatte: You.com rapporterte en medianforsinkelse på 11,0 sekunder for standard og 2,6 sekunder for lite, sammenlignet med 1,3 sekunder for Exa og 1,8 sekunder for Parallel. Parallel har en minstealder for hurtigbufferen på 600 sekunder, noe som innebærer at noen av svarene kan ha vært bufret.

Poengsummene for parsing bygger også på en mer avgrenset evaluering enn hele referanseindeksen. You.com utelot evalueringen av sidelayout basert på koordinater fordi Extract returnerer parset innhold, ikke koordinatene til sideelementer. LlamaIndex sin offentlige poengtavle omfatter 56 metoder, 4 317 sider og 13 datasett fordelt på seks dimensjoner. Den samlede poengsummen beregnes som det uvektede gjennomsnittet av disse dimensjonene. Sammenligningen som trekkes fram, beskriver derfor You.coms avgrensede test, ikke den samlede rangeringen i hele ParseBench-2.

Priser og overgang fra Contents API

Lite koster en fast pris på 0,90 dollar per 1 000 URL-er. Standard bruker samme pris per URL og legger til 0,50 dollar per 1 000 sider bare når den hentede filen identifiseres som en PDF.

Med utgangspunkt i en rapportert median på 26 sider blant milliardene av PDF-er tjenesten har behandlet, anslår You.com at 1 000 typiske dokumenter koster 13,90 dollar med standard, sammenlignet med den faste lite -prisen. Exa og Parallel tar 1,00 dollar per 1 000 URL-er, uavhengig av lengde. Den mer omfattende standard -modusen har dermed et betydelig pristillegg for dokumenter på flere sider, mens lite er billigere enn konkurrentene for tekstbaserte PDF-er.

Forespørsler som mislykkes på You.coms side, blir ikke fakturert. Feilsvar skiller mellom blokkerte URL-er, mislykkede forespørsler og sider uten innhold, slik at systemer kan avgjøre om de skal prøve på nytt. Null lagring av data er tilgjengelig for sensitive dokumenter uten ekstra kostnad, men kundene må kontakte You.com for å aktivere dette.

Utviklere kan bruke Extract på nettsider gratis gjennom You.coms offisielle MCP-server, uten nøkkel eller autentisering. Ved direkte registrering for API-et får man 10 dollar i kreditt, eller 100 dollar med en jobb-e-postadresse. You.com anslår at det høyere beløpet dekker omtrent 7 000 typiske PDF-er med standard. Den eldre Contents API støttes fortsatt for eksisterende brukere, men videreutvikles ikke lenger aktivt. Mer omfattende PDF-parsing og parse_effort er forbeholdt Extract.

Skillet mellom løsningene for innholdshenting avhenger av selve dokumentet. Hvis svaret ligger i innebygd tekst, lite gir en fast pris per URL og raskere svar. Hvis svaret ligger i et diagram, en tabell eller en skannet side, kommer de rapporterte forbedringene i parsing fra You.com med høyere forsinkelse og, for lange PDF-er, en langt høyere regning.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.