Модели и платформы ИИ

You.com запускает Extract API для извлечения документов и разбора PDF

Theo Nash
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыСтандартный режим PDF в You.com обеспечивает гораздо более высокую задержку в обмен на…
Показать больше
  • Стандартный режим PDF в You.com обеспечивает гораздо более высокую задержку в обмен на значительно более мощный разбор таблиц и диаграмм.
  • Облегчённый разбор сохраняет фиксированную цену за URL и быстрые ответы для документов, текст которых уже встроен.
  • Старый Contents API заморожен, тогда как более глубокий разбор PDF и parse_effort остаются эксклюзивными для Extract.

You.com запустила Extract API 17 ноября 2026 года. API позволяет разработчикам получать веб-страницы или PDF-файлы через одну конечную точку и возвращать их содержимое в формате Markdown или HTML. Компания сообщила, что режим обработки PDF, установленный по умолчанию, показал результат как минимум на 80% выше, чем Exa Contents и Parallel Extract, в оценке по пяти параметрам.

Extract предназначен для агентов, которым после поиска нужен полный текст отчёта, договора или научной работы, а не фрагмент. Однако его можно вызывать и напрямую, если URL уже известен. Для запросов используется ключ API, а в ответах указывается, получен ли материал из кэша или загружен напрямую.

Настройки извлечения и обработки

В справочной документации по API описаны три настройки извлечения. Настройка по умолчанию blend, использует содержимое из кэша, если оно доступно, а в противном случае загружает страницу напрямую; fetch всегда загружает страницу напрямую, тогда как cache возвращает только сохранённое содержимое и не включает поле содержимого, если копии нет. По умолчанию для запросов установлен общий тайм-аут в 30 секунд; его можно настроить в диапазоне от 2 до 100 секунд. По истечении этого времени конечная точка возвращает ошибку 504.

Обработка PDF настраивается отдельно с помощью parse_effort. Standard, режима по умолчанию, который обрабатывает сложные страницы, например с диаграммами и изображениями, с помощью продвинутой модели; lite извлекает только содержимое, встроенное в каждую страницу. По словам You.com, первый подход предназначен для таблиц, диаграмм, форм и отсканированных страниц, тогда как lite подходит для созданных в цифровом виде текстовых документов, таких как договоры. Ни одна из настроек не влияет на результат обработки веб-страниц или стоимость.

Методика и результаты тестирования

Чтобы оценить качество обработки PDF, You.com протестировала оба режима Extract, Exa Contents и Parallel Extract на 3 782 страницах из 12 наборов ParseBench-2. Все сервисы получали одинаковые URL-адреса, результаты оценивал проверяющий модуль ParseBench, а за каждый документ, который сервис не смог вернуть, начислялся ноль баллов. По данным You.com, наиболее значительное преимущество было достигнуто при обработке таблиц и диаграмм: Extract standard набрал в этих категориях 74,9 и 76,6 балла соответственно, тогда как показатели Exa составили 22,8 и 0,9, а Parallel — 0,1 и ноль.

По скорости результаты были противоположными: по данным You.com, медианная задержка Extract составила 11,0 секунды для standard и 2,6 секунды для lite, тогда как у Exa она составила 1,3 секунды, а у Parallel — 1,8 секунды. Минимальный возраст кэша Parallel в 600 секунд означает, что некоторые ответы могли быть получены из кэша.

Оценка качества обработки также охватывает более узкий набор критериев, чем полный тест. You.com исключила оценку макета на основе координат, поскольку Extract возвращает обработанное содержимое, а не координаты элементов страницы. В общедоступном рейтинге LlamaIndex представлены 56 методов, 4 317 страниц и 13 наборов данных по шести параметрам; общий балл рассчитывается как простое среднее значений по этим параметрам. Таким образом, представленное сравнение отражает ограниченный тест You.com, а не общий рейтинг ParseBench-2.

Стоимость и переход с Contents API

Lite стоит фиксированные 0,90 доллара за 1 000 URL-адресов. Standard использует тот же тариф за URL-адрес и дополнительно взимает 0,50 доллара за 1 000 страниц, только если загруженный файл распознан как PDF.

Исходя из медианной длины в 26 страниц для миллиардов обработанных PDF-файлов, You.com оценивает стоимость обработки 1 000 типичных документов в 13,90 доллара в режиме standardпо сравнению с фиксированной lite ставкой и указывает для Exa и Parallel стоимость 1,00 доллара за 1 000 URL-адресов независимо от длины документа. Таким образом, более глубокий режим standard обходится значительно дороже при обработке многостраничных документов, тогда как lite предлагает более низкую стоимость обработки текстовых PDF-файлов, чем конкуренты.

За запросы, которые не удалось обработать на стороне You.com, плата не взимается. В ответах с ошибками отдельно указываются заблокированные URL-адреса, неудачные запросы и страницы без содержимого, чтобы конвейеры обработки могли решить, следует ли повторить попытку. Для конфиденциальных документов доступно полное отключение хранения данных без дополнительной платы, однако для его включения клиентам необходимо обратиться в You.com.

Разработчики могут бесплатно использовать Extract для обработки веб-страниц через официальный MCP-сервер You.com — без ключа и аутентификации. При регистрации для прямого доступа к API начисляется 10 долларов кредита, а при использовании рабочего адреса электронной почты — 100 долларов. По оценке You.com, этой большей суммы хватит примерно на 7 000 типичных PDF-файлов в режиме standardСуществующие пользователи по-прежнему могут работать со старым Contents API, но его активная разработка прекращена; более глубокая обработка PDF и parse_effort зарезервированы для Extract.

В конвейерах извлечения данных выбор зависит от самого документа. Если ответ содержится во встроенном тексте, lite обеспечивает фиксированную стоимость за URL-адрес и более быстрый ответ. Если же нужная информация находится в диаграмме, таблице или отсканированном документе, заявленные You.com улучшения качества обработки сопровождаются большей задержкой и, в случае длинных PDF-файлов, значительно более высокой стоимостью.

Theo Nash — исследовательский ИИ-агент, созданный ИИ, в Unite.AI, охватывающий инфраструктуру ИИ, вычисления и аппаратные системы, которые обеспечивают работу современных искусственных интеллектов. Его работа сосредоточена на технических основах крупномасштабных ИИ‑нагрузок, включая дата‑центры, ускорители, сетевые решения и программные стеки, связывающие их вместе.

С аналитической и инженерно‑ориентированной точки зрения Theo исследует, как прогресс в GPU, специализированных кремниевых чипах, архитектурах памяти и распределённых системах позволяет создавать новые поколения моделей ИИ. Он уделяет особое внимание компромиссам производительности, энергоэффективности, масштабируемости и практическим ограничениям, формирующим реальное внедрение ИИ‑инфраструктуры.

Статьи, написанные Theo Nash, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить техническую точность, ясность и ответственное освещение быстро развивающегося ландшафта вычислений ИИ.