LlamaIndex เปิดตัว OpenDocRouter, API รวมสำหรับการแยกเอกสาร

LlamaIndex เมื่อ 7 ตุลาคม 2026 เปิดตัว OpenDocRouter, เป็นแพลตฟอร์มโฮสต์สำหรับการแปลงเอกสารเป็น markdown ที่วางชุดโมเดลระดับแนวหน้าและโอเพ่นซอร์สไว้หลัง API เดียว, แต่ละโมเดลทำงานภายใต้สูตรการแยกที่มีเวอร์ชันและผ่านการประเมินบน ParseBench เพื่อคุณภาพและต้นทุน.

LlamaIndex กล่าวว่าได้สร้างบริการนี้เพื่อแบ่งปันงานที่พวกเขาทำได้อย่างดีเป็นพิเศษ. การประกาศชี้ให้เห็นถึงสนามที่แออัด: การค้นหา “ocr” บน HuggingFace พบโมเดลหลายพันรุ่น, ห้องปฏิบัติการแนวหน้ากำลังปล่อยโมเดลที่รองรับเอกสารเกือบทุกเดือน, และการใช้โมเดลเหล่านั้นมักต้องผ่านขั้นตอนไม่กี่ขั้นตอนเดียวกัน, ตั้งแต่การกำหนด prompt และจัดการอัตราการจำกัดจนถึงการจัดการการปรับใช้และค่าใช้จ่ายที่เกี่ยวข้องและการประเมินโมเดลใหม่เมื่อมีการเปิดตัว.

หน้า หน้าแรกของผลิตภัณฑ์ แสดง OpenDocRouter เป็น API แบบรวมสำหรับการแยกเอกสารที่แปลง PDF และรูปภาพเป็น markdown หน้าแต่ละหน้าเรียกใช้โมเดลเป็นอิสระตามความสามารถที่มีอยู่ และแต่ละหน้าให้ markdown, สถานะ และค่าธรรมเนียมของตัวเอง หน้าเสียหายสามารถลองใหม่ได้โดยอิสระ และการเลือกหน้าอนุญาตให้ผู้เรียกข้ามหน้าที่มีอยู่แล้ว

รายการเปิดตัวและคะแนน ParseBench

เมื่อเปิดตัว, API มีโมเดลแนวหน้าห้ารุ่น (Claude Opus 5.5, Gemini 3 Flash, Gemini 3.8 Flash, GPT-5.6 Terra, และ GPT-6 Luna) และโมเดลโอเพ่นซอร์สห้ารุ่น (Infinity-Parser2-Flash, MinerU2.5-Pro, TeleOCR, dots.mocr, และ PaddleOCR-VL-1.6). LlamaIndex กล่าวว่าได้เลือกชุดเปิดตัวเพื่อครอบคลุมทุกมุมของการประเมินของตน, และว่าโมเดลทุกตัวได้รับการประเมินบน ParseBench ทั้งในด้านคุณภาพและต้นทุน.

หน้า หน้าโมเดลและผลการทดสอบ รายงานผล ParseBench ในห้าหมวด (ตาราง, แผนภูมิ, ความซื่อสัตย์, การจัดรูปแบบ, และการยึดติด) และกำหนดคะแนนรวมเป็นค่าเฉลี่ยของห้าโมเดล Claude Opus 5.5 มีคะแนนรวม 84.20 รวมถึง 93.53 ในตารางและ 91.03 ในความซื่อสัตย์ โดยคิดเป็น $48.82 ต่อ 1,000 หน้า GPT-6 Luna มีคะแนนรวม 71.34 และ $0.80 ต่อ 1,000 หน้า MinerU2.5-Pro 70.05 และ $0.86, TeleOCR 57.25 และ $2.70 ตามหน้า รายการราคานี้มีวันที่เวอร์ชัน 6 ตุลาคม 2026

สูตรการแยกของแต่ละโมเดลมีเวอร์ชันที่เปลี่ยนแปลงเมื่อผลลัพธ์ของมันเปลี่ยนแปลง. ในตารางราคาโทเคนบนหน้าโมเดล, Claude Opus 5.5 และ GPT-5.6 Terra มีวันที่เวอร์ชัน 25 กันยายน 2026, ในขณะที่ GPT-6 Luna มีวันที่ 5 ตุลาคม 2026. LlamaIndex กล่าวว่าเมื่อมีโมเดลใหม่ที่สามารถนำเสนอได้, พวกเขาจะรันผ่าน ParseBench เพื่อปรับแต่ง prompt, ต้นทุน, และการตั้งค่าอื่น ๆ ก่อนเพิ่มเข้าไป, และวางแผนที่จะพัฒนาโมเดลที่ได้รับความนิยมสูงต่อไปโดยใช้ prompt ที่ดีกว่าและโฮสติ้งที่ดีกว่าเพื่อ ลดความหน่วง.

กลไก API และ Grounding Engine

API รับไฟล์ PDF, PNG, และ JPEG หรือ URL ของรูปแบบเหล่านั้นผ่าน POST /v1/parse ตาม เอกสารประกอบ API เอกสารสามารถส่งเป็น URL HTTPS สาธารณะหรือ ID ไฟล์อัปโหลดแต่ละไฟล์จำกัด 50 MB หรือ 500 หน้า หรือเป็นข้อมูล base64 inline สูงสุดประมาณ 3 MB คำขอทำงานแบบซิงโครนัสสูงสุด 50 หน้า; เอกสารใหญ่ทำงานแบบอะซิงโครนัสสูงสุด 500 หน้าพร้อมการแคช และฟิลด์ pages ทางเลือกเช่น “1-3,7” เลือกหน้าที่เฉพาะ การตอบกลับมีสถานะ completed, partial, หรือ failed พร้อม markdown และการใช้ token ของแต่ละหน้า

SDK ของ Python และ TypeScript ที่มีการกำหนดประเภทสามารถติดตั้งผ่าน pip และ npm, โดยมีซอร์สโค้ดอยู่ในที่เก็บ GitHub run-llama/opendocrouter-py และ run-llama/opendocrouter-ts และเมธอดที่สะท้อน endpoint, รวมถึง parse.create, uploads.create, credits.get, และ models.list.

เนื่องจากโมเดลต่างให้การรับประกันที่แตกต่างกันเกี่ยวกับ bounding box และ layout (บางโมเดลส่งออก box โดยตรง, บางโมเดลต้องใช้ prompt, และบางโมเดลทำไม่ได้เลย), LlamaIndex สร้าง grounding engine ที่สามารถใช้กับโมเดลใดก็ได้. การตั้งค่า layout: true จะคืน markdown พร้อมกับ bounding box ที่กำหนดตำแหน่งและองค์ประกอบ layout ตามลำดับการอ่าน, ภายใต้ชุดคลาส layout ร่วม: title, section_header, text, list_item, table, picture, chart, formula, caption, footnote, page_header, page_footer, code, form, และ key_value. พิกัดของ box เป็นส่วนของหน้าโดยวัดจากมุมซ้ายบน, แต่ละองค์ประกอบมีค่าความมั่นใจ, และหน้าที่ layout ล้มเหลวจะเก็บ markdown ไว้โดยไม่มีค่าใช้จ่ายสำหรับ layout.

เกี่ยวกับการเก็บรักษา, เอกสารระบุว่าข้อมูลใดจากเอกสารจะไม่ถูกเก็บไว้หากไม่ได้เปิดใช้งานแคช; ผลลัพธ์ที่แคชจะถูกเก็บเป็นการเข้ารหัสเป็นเวลา 24 ชั่วโมง, คำสั่งลบจะลบออกเร็วกว่า, และคำขอภายหลังสำหรับหน้าเดียวกันของเอกสารเดียวกันด้วยโมเดลและการตั้งค่า layout เดียวกันจะให้บริการจากแคชโดยไม่เสียค่าใช้จ่าย. บริการจะลองใหม่แต่ละหน้าหนึ่งครั้งเมื่อเกิด timeout, การจำกัดอัตรา, ข้อผิดพลาดของผู้ให้บริการ, หรือความจุเต็ม, และเมื่อโมเดลวนลูปหรือไม่สามารถถอดข้อความได้. ข้อจำกัดของบัญชีรวมถึงการร้องขอพร้อมกันได้สูงสุด 10 รายการ, ซึ่ง 5 รายการอาจเป็นแบบอะซิงโครนัส, 300 การเรียก parse และ 60 การเรียก polling ต่อหนึ่งนาที, timeout ต่อหน้า 270 วินาที, และรอสูงสุด 30 นาทีสำหรับความจุในคำขอแบบอะซิงโครนัส.

การกำหนดราคา, การเรียกเก็บเงิน, และความแตกต่างของ LlamaParse

OpenDocRouter เรียกเก็บค่าใช้บริการแบบต่อโทเคนเท่านั้น. บัญชีสามารถเติมเครดิตล่วงหน้าเริ่มต้นที่ $25 พร้อมค่าธรรมเนียม 5% ต่อการเติมแต่ละครั้ง; โมเดลแนวหน้าถูกเรียกเก็บตามราคาทโทเคนของผู้ให้บริการโดยไม่มีการเพิ่มมาร์คอัป; และการเปิดใช้งานการจัดรูปแบบจะเพิ่มค่า $0.20 ต่อหนึ่งล้านโทเคนสำหรับหน้าที่การจัดรูปแบบสำเร็จ. หน้าที่ล้มเหลว, ที่แคชไว้, และหน้าว่างไม่มีค่าใช้จ่าย. เพื่อเริ่มต้น, คำขอต้องมีเครดิตเพียงพอเพื่อครอบคลุมค่าใช้จ่ายสูงสุดที่กำหนดไว้ ซึ่งคำนวณจากอัตราที่สูงที่สุดต่อหน้า ของโมเดลคูณด้วยจำนวนหน้า, และส่วนที่หน้าไม่ได้ใช้จะถูกคืนเมื่อคำขอเสร็จสิ้น.

ตารางราคาในประกาศซึ่งมีวันที่ 7 ตุลาคม 2026 ระบุว่า Claude Opus 5.5 มีค่า $4.00 ต่อหนึ่งล้านโทเคนอินพุตและ $20.00 ต่อหนึ่งล้านโทเคนเอาต์พุต, GPT-6 Luna มีค่า $0.10 ต่อหนึ่งล้านอินพุตและ $0.50 ต่อหนึ่งล้านเอาต์พุต, และ MinerU2.5‑Pro มีค่า $0.08 ต่อหนึ่งล้านอินพุตและ $0.39 ต่อหนึ่งล้านเอาต์พุต.

LlamaIndex แยกแยะความแตกต่างระหว่างบริการใหม่กับ LlamaParse ซึ่งเป็นแพลตฟอร์มจัดการเอกสารของบริษัท. ตามการอธิบายของบริษัท, OpenDocRouter เป็นแพลตฟอร์มสำหรับโฮสต์โมเดลล่าสุดอย่างรวดเร็ว, ให้ผู้พัฒนาสามารถสลับและกำหนดเส้นทางระหว่างโมเดลต่าง ๆ ได้โดยจ่ายเฉพาะสิ่งที่ใช้, ในขณะที่ LlamaParse มาพร้อมระดับการแยกวิเคราะห์ที่ปรับแต่งด้วยมือ, การควบคุมระดับองค์กร, การปรับใช้แบบโฮสต์เอง, และ API เพิ่มเติมเช่นการสกัดสคีม่าและการทำดัชนี.

OpenDocRouter เปิดให้บริการแล้ว, และ LlamaIndex แนะนำผู้ใช้ให้เรียกดูโมเดลและเอกสาร, สมัครสมาชิก, สร้างคีย์ API, และเริ่มต้นการแยกวิเคราะห์.