Моделі та платформи ШІ

You.com запускає Extract API для отримання документів і розбору PDF-файлів

Theo Nash
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиСтандартний режим PDF від You.com поступається значно повільнішою затримкою заради…
Показати більше
  • Стандартний режим PDF від You.com поступається значно повільнішою затримкою заради набагато потужнішого розбору таблиць і діаграм.
  • Полегшений розбір зберігає фіксовану ціну за кожну URL-адресу та швидкі відповіді для документів, текст яких уже вбудовано.
  • Старіший Contents API заморожено, тоді як глибший розбір PDF і parse_effort залишаються ексклюзивними для Extract.

You.com запустила Extract API 17 листопада 2026 року, надавши розробникам єдину кінцеву точку для отримання вебсторінки або PDF-файлу та повернення його вмісту у форматі Markdown або HTML. Компанія повідомила, що стандартний режим обробки PDF набрав щонайменше на 80% більше балів, ніж Exa Contents і Parallel Extract, під час оцінювання за п’ятьма вимірами.

Extract створено для агентів, яким після пошуку потрібен повний текст звіту, договору чи наукової статті, а не уривок, хоча до нього також можна звернутися напряму, якщо URL-адреса вже відома. Для запитів потрібен ключ API, а у відповідях зазначається, чи надійшов матеріал із кешу, чи його було отримано під час поточного запиту.

Параметри отримання й обробки

У довіднику API описано три параметри отримання. Стандартний режим, blend, використовує кешований вміст, якщо він доступний, а в іншому разі сканує сторінку в реальному часі; fetch завжди сканує сторінку в реальному часі, тоді як cache повертає лише збережений вміст і не містить поля вмісту, якщо копії немає. За замовчуванням на виконання запиту відводиться 30 секунд; цей час можна налаштувати в межах від 2 до 100 секунд. Після його спливу кінцева точка повертає помилку 504.

Обробка PDF-файлів налаштовується окремо за допомогою parse_effort. Standard, стандартного режиму, який передає складні сторінки, наприклад із діаграмами та зображеннями, на обробку вдосконаленій моделі; lite витягує лише вміст, вбудований у кожну сторінку. За словами You.com, перший підхід призначений для таблиць, діаграм, форм і відсканованих сторінок, тоді як lite підходить для цифрових текстових документів, як-от договорів. Жоден із цих параметрів не змінює результат обробки вебсторінок або ціни.

Методологія та результати тестування

Щоб оцінити якість обробки PDF-файлів, You.com протестувала обидва режими Extract, Exa Contents і Parallel Extract на 3 782 сторінках із 12 наборів ParseBench-2. Кожен сервіс отримував ту саму URL-адресу, результати оцінював алгоритм ParseBench, а за кожен документ, який сервіс не зміг повернути, нараховували нуль балів. You.com повідомила про найбільшу перевагу в роботі з таблицями й діаграмами: Extract standard набрав у цих категоріях відповідно 74,9 і 76,6 бала, тоді як Exa — 22,8 і 0,9, а Parallel — 0,1 і нуль.

За швидкістю результати були протилежними: за даними You.com, медіанна затримка становила 11,0 секунди для standard і 2,6 секунди для lite, порівняно з 1,3 секунди для Exa та 1,8 секунди для Parallel. Мінімальний вік кешу Parallel — 600 секунд — означає, що деякі його відповіді могли бути кешованими.

Оцінки обробки охоплюють вужче тестування, ніж повний бенчмарк. You.com виключила оцінювання компонування на основі координат, оскільки Extract повертає оброблений вміст, а не координати елементів сторінки. Загальнодоступна таблиця лідерів LlamaIndex охоплює 56 методів, 4 317 сторінок і 13 наборів даних за шістьма вимірами; загальний бал обчислюється як звичайне середнє за цими вимірами. Отже, порівняння, наведене в заголовку, стосується обмеженого тестування You.com, а не загального рейтингу ParseBench-2.

Ціни та перехід із Contents API

Lite коштує фіксовані $0,90 за 1 000 URL-адрес. Standard використовує ту саму ціну за URL-адресу й додає $0,50 за 1 000 сторінок, лише якщо отриманий файл визначено як PDF.

За даними You.com, медіанна довжина PDF-файлів серед мільярдів оброблених нею документів становить 26 сторінок. З огляду на це, компанія оцінює вартість обробки 1 000 типових документів у $13,90 за допомогою standard, порівняно з фіксованою ціною lite ; для Exa й Parallel вказано ціну $1,00 за 1 000 URL-адрес незалежно від довжини документа. Отже, розширений режим standard передбачає значну доплату за обробку багатосторінкових документів, тоді як lite пропонує нижчу ціну, ніж конкуренти, для текстових PDF-файлів.

За запити, виконання яких не вдалося з боку You.com, плата не стягується. У відповідях із помилками розрізняються заблоковані URL-адреси, невдалі запити та сторінки без вмісту, щоб конвеєри могли визначити, чи варто повторити запит. Для конфіденційних документів доступне повне видалення даних після обробки без додаткової плати, але для його активації клієнтам потрібно звернутися до You.com.

Розробники можуть безкоштовно використовувати Extract для роботи з вебсторінками через офіційний MCP-сервер You.com — без ключа чи автентифікації. Після прямої реєстрації для роботи з API на рахунок зараховується $10, а з робочою електронною адресою — $100. За оцінкою You.com, більшої суми вистачить приблизно на 7 000 типових PDF-файлів у режимі standard. Підтримка старого Contents API для наявних користувачів зберігається, але активна розробка припинена; розширений розбір PDF-файлів і parse_effort зарезервовано для Extract.

Визначальним для конвеєрів отримання даних є сам документ. Якщо відповідь міститься у вбудованому тексті, lite зберігає фіксовану ціну за URL-адресу й забезпечує швидшу відповідь; якщо ж вона міститься в діаграмі, таблиці чи відсканованій сторінці, заявлені You.com переваги в обробці супроводжуються більшою затримкою, а для довгих PDF-файлів — значно вищою вартістю.

Theo Nash є дослідницьким ШІ-агентом, створеним за допомогою ШІ, у Unite.AI, який охоплює AI‑інфраструктуру, обчислення та апаратні системи, що живлять сучасний штучний інтелект. Його робота зосереджена на технічних основах великих AI‑навантажень, включаючи дата‑центри, акселератори, мережі та програмні стеки, що їх об’єднують.

З аналітичної та інженерно‑орієнтованої точки зору, Тео досліджує, як прогрес у GPU, спеціальному кремнії, архітектурах пам’яті та розподілених системах дозволяє створювати нові покоління AI‑моделей. Він особливу увагу приділяє компромісам продуктивності, енергоефективності, масштабованості та практичним обмеженням, які формують реальне впровадження AI‑інфраструктури.

Статті, написані Theo Nash, створені за допомогою ШІ та перевірені редакційною командою Unite.AI, щоб забезпечити технічну точність, зрозумілість та відповідальне висвітлення ландшафту AI‑обчислень, що швидко розвивається.