Modele i platformy AI

You.com uruchamia Extract API do pobierania dokumentów i parsowania plików PDF

Theo Nash
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyStandardowy tryb PDF w You.com wymienia znacznie wolniejsze opóźnienie na dużo…
Zobacz więcej
  • Standardowy tryb PDF w You.com wymienia znacznie wolniejsze opóźnienie na dużo silniejsze przetwarzanie tabel i wykresów.
  • Lekkie przetwarzanie zachowuje stałą cenę za URL i szybkie odpowiedzi dla dokumentów, których tekst jest już osadzony.
  • Starsze Contents API jest zamrożone, podczas gdy głębsze przetwarzanie PDF i parse_effort pozostają wyłączne dla Extract.

You.com uruchomiło Extract API 17 listopada 2026 r., udostępniając programistom jeden punkt końcowy do pobierania stron internetowych lub plików PDF i zwracania ich zawartości w formacie Markdown lub HTML. Firma poinformowała, że w pięciowymiarowej ocenie domyślny tryb obsługi plików PDF uzyskał wynik co najmniej o 80% wyższy niż Exa Contents i Parallel Extract.

Extract zaprojektowano z myślą o agentach, które po wyszukiwaniu potrzebują dostępu do całego dokumentu, takiego jak zgłoszenie, umowa lub artykuł naukowy, a nie tylko do fragmentu. Można go jednak wywołać również bezpośrednio, jeśli adres URL jest już znany. Żądania wymagają klucza API, a odpowiedzi wskazują, czy materiał pochodzi z pamięci podręcznej, czy został pobrany na żywo.

Ustawienia pobierania i parsowania

Dokumentacja API opisuje trzy ustawienia pobierania. Domyślne, blend, korzysta z treści zapisanych w pamięci podręcznej, jeśli są dostępne, a w przeciwnym razie pobiera stronę na żywo; fetch zawsze pobiera stronę na żywo, natomiast cache zwraca wyłącznie zapisane treści i pomija pole content, jeśli nie ma dostępnej kopii. Domyślny limit czasu całego żądania wynosi 30 sekund; można go skonfigurować w zakresie od 2 do 100 sekund. Po jego upływie punkt końcowy zwraca błąd 504.

Przetwarzaniem plików PDF steruje osobne ustawienie parse_effort. Standard, które domyślnie przekazuje złożone strony, na przykład zawierające wykresy i obrazy, do zaawansowanego modelu; lite wyodrębnia wyłącznie treści osadzone na poszczególnych stronach. You.com informuje, że pierwsze podejście jest przeznaczone do obsługi tabel, wykresów, formularzy i zeskanowanych stron, natomiast lite sprawdza się w przypadku dokumentów utworzonych cyfrowo i zawierających tekst, takich jak umowy. Żadne z tych ustawień nie zmienia sposobu zwracania treści stron internetowych ani cen.

Metodologia i wyniki testów porównawczych

Aby sprawdzić jakość obsługi plików PDF, You.com przetestowało oba tryby Extract, Exa Contents i Parallel Extract na 3782 stronach z 12 zestawów ParseBench-2. Każda usługa otrzymała ten sam adres URL, wyniki ocenił system punktacji ParseBench, a każdy dokument, którego usługa nie zwróciła, otrzymał zero punktów. You.com poinformowało o największej przewadze w kategorii tabel i wykresów: Extract standard uzyskał w tych kategoriach odpowiednio 74,9 i 76,6 punktu, w porównaniu z 22,8 i 0,9 punktu w przypadku Exa oraz 0,1 punktu i zera w przypadku Parallel.

Pod względem szybkości wyniki były odwrotne: według You.com mediana opóźnienia dla standard wyniosła 11,0 sekundy, a dla lite— 2,6 sekundy. Dla porównania opóźnienie wynosiło 1,3 sekundy w przypadku Exa i 1,8 sekundy w przypadku Parallel. Minimalny wiek pamięci podręcznej Parallel, wynoszący 600 sekund, oznacza, że część odpowiedzi mogła pochodzić z pamięci podręcznej.

Wyniki dotyczące parsowania opierają się również na węższym zakresie oceny niż pełny test porównawczy. You.com pominęło ocenę układu opartą na współrzędnych, ponieważ Extract zwraca sparsowaną treść, a nie współrzędne elementów strony. Publiczny ranking LlamaIndex obejmuje 56 metod, 4317 stron i 13 zbiorów danych ocenianych w sześciu wymiarach; wynik ogólny oblicza się jako zwykłą średnią tych wymiarów. Porównanie przedstawione jako główny wynik dotyczy zatem testu You.com o ograniczonym zakresie, a nie pełnego rankingu ParseBench-2.

Cennik i przejście z Contents API

Lite kosztuje stałą stawkę 0,90 USD za 1000 adresów URL. Standard korzysta z tej samej stawki za adres URL, a dodatkowo nalicza 0,50 USD za 1000 stron tylko wtedy, gdy pobrany plik zostanie rozpoznany jako PDF.

Na podstawie podanej mediany wynoszącej 26 stron dla miliardów przetworzonych plików PDF You.com szacuje koszt obsługi 1000 typowych dokumentów na 13,90 USD w przypadku standard, w porównaniu ze stałą stawką lite . Firma podaje, że Exa i Parallel kosztują 1,00 USD za 1000 adresów URL, niezależnie od długości dokumentu. Głębszy tryb standard wiąże się więc ze znaczną dopłatą w przypadku dokumentów wielostronicowych, natomiast lite jest tańszy od konkurencyjnych usług w przypadku plików PDF zawierających tekst.

Żądania, które kończą się niepowodzeniem po stronie You.com, nie są rozliczane, a komunikaty o błędach rozróżniają zablokowane adresy URL, nieudane żądania i strony bez treści, co pozwala potokom przetwarzania zdecydować, czy ponowić próbę. W przypadku poufnych dokumentów można bez dodatkowych opłat włączyć zerową retencję danych, ale w tym celu klienci muszą skontaktować się z You.com.

Programiści mogą bezpłatnie korzystać z Extract do obsługi stron internetowych za pośrednictwem oficjalnego serwera MCP You.com, bez klucza i uwierzytelniania. Rejestracja bezpośrednio w API obejmuje kredyt w wysokości 10 USD lub 100 USD w przypadku użycia służbowego adresu e-mail. You.com szacuje, że wyższa kwota wystarczy na około 7000 typowych plików PDF w trybie standard. Starsze Contents API jest nadal obsługiwane dla dotychczasowych użytkowników, ale nie jest już aktywnie rozwijane; bardziej zaawansowane parsowanie plików PDF i parse_effort są dostępne wyłącznie w Extract.

W przypadku potoków pobierania kluczowe znaczenie ma sam dokument. Jeśli odpowiedź znajduje się w osadzonym tekście, lite zapewnia stały koszt za adres URL i szybszą odpowiedź. Jeśli natomiast znajduje się na wykresie, w tabeli lub na zeskanowanej stronie, deklarowane przez You.com korzyści w zakresie parsowania wiążą się z większym opóźnieniem, a w przypadku długich plików PDF — ze znacznie wyższym kosztem.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.