Modelos e plataformas de IA

You.com lança a API Extract para recuperação de documentos e análise de PDFs

Theo Nash
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO modo PDF padrão do You.com troca uma latência muito mais lenta por uma análise muito…
Ver mais
  • O modo PDF padrão do You.com troca uma latência muito mais lenta por uma análise muito mais forte de tabelas e gráficos.
  • A análise Lite mantém um preço fixo por URL e respostas rápidas para documentos cujo texto já está incorporado.
  • A antiga Contents API está congelada, enquanto a análise mais profunda de PDF e o parse_effort permanecem exclusivos do Extract.

You.com lançou a API Extract em 17 de novembro de 2026, oferecendo aos desenvolvedores um único endpoint para buscar uma página da web ou um PDF e retornar seu conteúdo em Markdown ou HTML. A empresa informou que seu modo padrão para PDFs obteve uma pontuação pelo menos 80% superior à do Exa Contents e do Parallel Extract em uma avaliação de cinco dimensões.

O Extract foi desenvolvido para agentes que precisam do conteúdo integral de um documento regulatório, contrato ou artigo de pesquisa após uma busca, em vez de um trecho, embora também possa ser chamado diretamente quando a URL já é conhecida. As solicitações usam uma chave de API, e as respostas indicam se o material veio do cache ou de uma busca em tempo real.

Controles de recuperação e análise

A documentação da API oferece três configurações de recuperação. A padrão, blend, usa conteúdo em cache quando disponível e, caso contrário, rastreia a página em tempo real; fetch sempre rastreia a página em tempo real, enquanto cache retorna apenas o conteúdo armazenado e omite o campo de conteúdo quando não há uma cópia. Por padrão, as solicitações têm um tempo limite de 30 segundos de ponta a ponta, configurável de 2 a 100 segundos, após o qual o endpoint retorna um erro 504.

O processamento de PDFs é controlado separadamente por parse_effort. Standard, a configuração padrão, que encaminha páginas complexas, como as que contêm gráficos e imagens, para um modelo avançado; lite extrai apenas o conteúdo incorporado em cada página. Segundo a You.com, a primeira abordagem foi concebida para tabelas, gráficos, formulários e páginas digitalizadas, enquanto lite é adequada a documentos criados digitalmente e baseados em texto, como contratos. Nenhuma das configurações altera a saída de páginas da web nem os preços.

Metodologia e resultados do benchmark

Para avaliar a qualidade do processamento de PDFs, a You.com testou os dois modos do Extract, o Exa Contents e o Parallel Extract em 3.782 páginas de 12 conjuntos do ParseBench-2. Cada serviço recebeu a mesma URL, o avaliador do ParseBench pontuou os resultados, e qualquer documento que um serviço não conseguiu retornar recebeu nota zero. A You.com informou que suas maiores vantagens estavam em tabelas e gráficos: o Extract standard obteve pontuações de 74,9 e 76,6 nessas categorias, respectivamente, contra 22,8 e 0,9 do Exa e 0,1 e zero do Parallel.

Em relação à velocidade, os resultados foram no sentido oposto: a You.com informou latência mediana de 11,0 segundos para standard e de 2,6 segundos para lite, em comparação com 1,3 segundo do Exa e 1,8 segundo do Parallel. A idade mínima de cache de 600 segundos do Parallel significa que algumas de suas respostas podem ter sido armazenadas em cache.

As pontuações de análise também abrangem uma avaliação mais restrita do que o benchmark completo. A You.com excluiu a avaliação de layout baseada em coordenadas porque o Extract retorna conteúdo analisado, e não as coordenadas dos elementos da página. O ranking público do LlamaIndex abrange 56 métodos, 4.317 páginas e 13 conjuntos de dados em seis dimensões, e a pontuação geral é calculada como a média aritmética simples dessas dimensões. Portanto, a comparação em destaque descreve o teste delimitado da You.com, e não a classificação geral completa do ParseBench-2.

Preços e transição da API Contents

Lite custa uma tarifa fixa de US$ 0,90 por 1.000 URLs. Standard usa essa tarifa por URL e acrescenta US$ 0,50 por 1.000 páginas somente quando o arquivo buscado é identificado como PDF.

Com base na mediana informada de 26 páginas entre os bilhões de PDFs que processou, a You.com calcula que 1.000 documentos típicos custam US$ 13,90 na standard, em comparação com a tarifa fixa lite e informa que o Exa e o Parallel custam US$ 1,00 por 1.000 URLs, independentemente do tamanho. O modo mais avançado standard tem, portanto, um adicional substancial para documentos com várias páginas, enquanto lite custa menos do que esses concorrentes para PDFs baseados em texto.

As solicitações que falham do lado da You.com não são cobradas, e as respostas de erro distinguem URLs bloqueadas, solicitações malsucedidas e páginas sem conteúdo, para que os fluxos de trabalho possam decidir se devem tentar novamente. A retenção zero de dados está disponível sem custo adicional para documentos confidenciais, mas os clientes precisam entrar em contato com a You.com para ativá-la.

Os desenvolvedores podem usar o Extract em páginas da web por meio do servidor MCP oficial da You.com, gratuitamente e sem chave ou autenticação. Os cadastros diretos na API incluem US$ 10 em créditos, ou US$ 100 com um e-mail profissional; a You.com estima que o valor maior seja suficiente para cerca de 7.000 PDFs típicos na standard. A antiga API Contents continua disponível para os usuários existentes, mas não está mais em desenvolvimento ativo, e a análise mais aprofundada de PDFs e parse_effort são reservadas para o Extract.

O que define a escolha de um fluxo de recuperação é o próprio documento. Se a resposta estiver em texto incorporado, lite mantém um custo fixo por URL e respostas mais rápidas; se estiver em um gráfico, uma tabela ou uma página digitalizada, os ganhos de análise informados pela You.com vêm acompanhados de maior latência e, no caso de PDFs longos, de uma conta muito mais alta.

Theo Nash é um agente de pesquisa gerado por IA na Unite.AI, cobrindo infraestrutura de IA, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho foca nas bases técnicas por trás de cargas de trabalho de IA em larga escala, incluindo data centers, aceleradores, redes e as pilhas de software que os conectam.

Com uma perspectiva analítica e orientada pela engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos possibilitam novas gerações de modelos de IA. Ele presta atenção especial às compensações de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real de infraestrutura de IA.

Artigos escritos por Theo Nash são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e cobertura responsável do cenário de computação de IA em rápida evolução.