LlamaIndex wprowadza Extract V2.5 z poprawą dokładności i powiązania wyników ze źródłami

LlamaIndex wprowadził Extract v2.5 1 października 2026 r., nową generację swoich agentów ekstrakcji dokumentów opartych na schematach. W poście na blogu autorstwa Adriana Lyjaka i Eli Stewarta firma poinformowała o poprawie dokładności we wszystkich trzech poziomach ekstrakcji oraz o lepszym powiązaniu wyników ze źródłami dla dwóch najwyższych poziomów, Agentic i Agentic Plus, i zaznaczyła, że zyski te nie wiążą się ze zwiększeniem ceny za stronę.

Zyski w benchmarku poziom po poziomie

LlamaIndex poinformował, że w benchmarku ExtractBench, otwartym benchmarku ekstrakcji dokumentów, ogólna wartość F1 wzrosła z 87,1 do 93,9 dla poziomu Cost Effective, z 89,8 do 95,8 dla Agentic oraz z 95,1 do 96,4 dla Agentic Plus, jego najdokładniejszego poziomu. Według firmy, Cost Effective teraz przewyższa poprzedni poziom Agentic, a Agentic przewyższa wcześniejszy poziom Agentic Plus.

ExtractBench testuje 370 dokumentów korporacyjnych obejmujących 4 869 stron w 8 obszarach biznesowych i 67 typach dokumentów, przy czym każdy typ ma własny schemat. LlamaIndex opublikował benchmark wraz z publicznym zestawem danych, narzędziem ewaluacyjnym i metodologią oraz ocenił na nim najnowocześniejsze VLM‑y, agenty kodujące i wyspecjalizowane API ekstrakcji.

Nowy harness agenta i rozumowanie strukturalne

Firma poinformowała, że v2.5 działa na nowym harnessie agenta specjalnie zaprojektowanym do ekstrakcji dokumentów, który czerpie inspirację z najnowszych agentów kodujących i jest dostosowany do modeli w celu obsługi rodzajów błędów w zakresie widzenia, rozumowania i weryfikacji. LlamaIndex stwierdził, że powstały agent może odwoływać się do kontekstu z wielu stron oraz powiązywać wartości z dokładnymi źródłami.

Funkcja, którą post określa jako Rozumowanie Strukturalne, działa na reprezentacjach dokumentów, aby dostosować ekstrakcję w zależności od typu dokumentu, układu i gęstości informacji: agent poświęca więcej wysiłku na złożone dokumenty i przetwarza prostsze z niższą latencją. W wersji v2.5 zespół przeniósł harness używany w Agentic Plus do poziomów Cost Effective i Agentic, dostosowując jego narzędzia i strategie ekstrakcji do ograniczeń kosztowych każdego poziomu po ocenie reprezentacji dokumentów, narzędzi i konfiguracji modeli. Firma dodała również, że pracowała nad tym, jak agenci podążają za schematami i instrukcjami ekstrakcji, w tym nad zadaniami obejmującymi do 3 200 pól, i radzi użytkownikom, których identyfikatory rekordów są niezbędne do dopasowania wyekstrahowanych rekordów do bazy danych, aby wyraźnie zaznaczyć to w ich promptach.

Długie listy, rekordy rozciągające się na wiele stron i zeskanowane formularze

W zadaniach z długimi listami LlamaIndex odnotował wzrost wyników z 82,0 do 92,6 dla poziomu Cost Effective, z 86,1 do 95,5 dla Agentic oraz z 94,5 do 96,3 dla Agentic Plus. Firma poinformowała, że v2.5 wykorzystuje reprezentacje pośrednie do pracy z pełnym zestawem danych i weryfikuje swoje wyniki względem schematu użytkownika. W jednym przykładzie, 17‑stronicowym zgłoszeniu funduszu, poprzedni poziom Cost Effective zwrócił 87 z 238 pozycji; firma stwierdziła, że v2.5 zwraca wszystkie 238, podnosząc wynik ekstrakcji tego dokumentu z 52,8 do 98,7.

W przypadku rekordów obejmujących wiele stron odnotowano wzrost wyników z 80,3 do 92,0 dla Cost Effective, z 85,5 do 96,5 dla Agentic oraz z 93,6 do 96,7 dla Agentic Plus. W zestawieniu grantów United Way Worldwide Schedule I firma poinformowała, że Agentic v2.0 zatrzymał się przy podziale strony, pozostawiając cel i adres grantu niekompletne, podczas gdy v2.5 uwzględnia kontynuację z kolejnej strony w tym samym rekordzie.

W przypadku zeskanowanych formularzy odnotowano wzrost wyników z 89,6 do 93,9 dla Cost Effective, z 90,9 do 95,7 dla Agentic oraz z 94,4 do 96,1 dla Agentic Plus. W przypadku oznaczonego pozwolenia na usuwanie W‑14 firma stwierdziła, że poziom Agentic wcześniej łączył datę recenzenta z numerem pozwolenia oraz dopisywał notatkę recenzenta do głębokości wód słodkich, natomiast v2.5 oddziela pierwotne wartości od adnotacji w polach wymaganych przez schemat.

Zaawansowane cytowania i powiązanie ze źródłami

Wydanie wprowadza Zaawansowane Cytowania dla poziomów Agentic i Agentic Plus, które lokalizują ramki ograniczające dowody wspierające trudne pola, w tym wartości, które nie pojawiają się w dokumencie słowo w słowo. Wstępna wersja była wcześniej dostępna w Agentic Plus; LlamaIndex poinformował, że dodatkowo poprawił dokładność powiązania wyników ze źródłami w tej funkcji i rozszerzył ją na poziom Agentic. Firma odnotowała, że wyniki oceny powiązania ze źródłami w ExtractBench wzrosły z 46,8 do 80,6 dla Agentic oraz z 46,4 do 82,2 dla Agentic Plus. W jej wykresie porównawczym wymieniono wyniki oceny powiązania ze źródłami: 63,2 dla Sonnet 5.5, 77,6 dla GPT‑6 SOL, 77,5 dla Opus 5.5, 50,8 dla Reducto Deep Extract, 21,8 dla Extend Max oraz 54,3 dla własnego poziomu Cost Effective.

Firma stwierdziła, że cytowania oparte na ramkach ograniczających łączą się z ocenami pewności, co pomaga zespołom zdecydować, które wyekstrahowane wartości mogą być przetwarzane automatycznie, a które wymagają dokładniejszej analizy, umożliwiając recenzentom sprawdzanie oznaczonych wartości w oryginalnym dokumencie w ramach procesów z udziałem człowieka.

Tryb arkusza kalkulacyjnego i dostępność

v2.5 dodaje natywną ekstrakcję arkuszy kalkulacyjnych: w trybie arkusza kalkulacyjnego agenci pracują bezpośrednio z komórkami skoroszytu, a nie ze spłaszczoną reprezentacją, i użytkownicy mogą włączyć ten tryb w konfiguracji ekstrakcji.

Extract v2.5 jest dostępny poprzez LlamaCloud, narzędzie wiersza poleceń oparte na Go o nazwie llp, serwer MCP dla klientów agentów, w tym Claude Code i Codex, oraz SDK Python llama‑cloud, gdzie zadania ekstrakcji wybierają wersję 2.5 i mogą włączyć opcje cite_sources i confidence_scores. LlamaIndex zachęcił użytkowników do uruchamiania v2.5 na dokumentach reprezentatywnych dla ich przepływów pracy, korzystając z istniejących schematów, i stwierdził, że spodziewa się, iż wersja będzie znaczącym postępem w jakości ekstrakcji, szczególnie dla dokumentów, które wcześniej wymagały ręcznego czyszczenia lub nie były wystarczająco niezawodne, aby je zautomatyzować.