Mô hình và nền tảng AI

You.com ra mắt Extract API để truy xuất tài liệu và phân tích cú pháp PDF

Theo Nash
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhChế độ PDF tiêu chuẩn của You.com đánh đổi độ trễ chậm hơn nhiều để lấy khả năng phân…
Xem thêm
  • Chế độ PDF tiêu chuẩn của You.com đánh đổi độ trễ chậm hơn nhiều để lấy khả năng phân tích bảng và biểu đồ mạnh hơn hẳn.
  • Phân tích Lite giữ mức giá cố định theo từng URL và phản hồi nhanh cho các tài liệu mà văn bản đã được nhúng sẵn.
  • API Contents cũ đã bị đóng băng trong khi việc phân tích PDF sâu hơn và parse_effort vẫn chỉ có trong Extract.

You.com ra mắt Extract API vào ngày 17 tháng 11 năm 2026, cung cấp cho nhà phát triển một điểm cuối để tải trang web hoặc tệp PDF và trả về nội dung dưới dạng Markdown hoặc HTML. Công ty cho biết chế độ PDF mặc định đạt điểm cao hơn ít nhất 80% so với Exa Contents và Parallel Extract trong một bài đánh giá trên năm phương diện.

Extract được thiết kế cho các tác tử cần toàn bộ nội dung của hồ sơ, hợp đồng hoặc bài nghiên cứu sau khi tìm kiếm, thay vì chỉ một đoạn trích, dù cũng có thể gọi trực tiếp khi đã biết URL. Yêu cầu sử dụng khóa API, còn phản hồi cho biết tài liệu được lấy từ bộ nhớ đệm hay truy xuất trực tiếp.

Các tùy chọn kiểm soát truy xuất và phân tích cú pháp

Tài liệu tham khảo API cung cấp ba tùy chọn truy xuất. Tùy chọn mặc định, blend, sử dụng nội dung trong bộ nhớ đệm nếu có; nếu không, hệ thống sẽ thu thập nội dung trực tiếp từ trang; fetch luôn thu thập nội dung trực tiếp, trong khi cache chỉ trả về nội dung đã lưu và bỏ trường nội dung nếu không có bản sao. Theo mặc định, yêu cầu có thời hạn chờ tối đa 30 giây từ đầu đến cuối; có thể cấu hình từ 2 đến 100 giây, sau đó điểm cuối sẽ trả về lỗi 504.

Quy trình xử lý PDF được kiểm soát riêng bằng parse_effort. Standard, tùy chọn mặc định, chuyển các trang phức tạp như trang có biểu đồ và hình ảnh qua một mô hình tiên tiến; lite chỉ trích xuất nội dung được nhúng trong mỗi trang. You.com cho biết cách tiếp cận thứ nhất dành cho bảng, biểu đồ, biểu mẫu và trang được quét, còn lite phù hợp với các tài liệu dạng văn bản được tạo bằng kỹ thuật số, chẳng hạn như hợp đồng. Không tùy chọn nào làm thay đổi kết quả đầu ra hoặc giá của trang web.

Phương pháp và kết quả đánh giá chuẩn

Để kiểm tra chất lượng xử lý PDF, You.com chạy cả hai chế độ Extract, Exa Contents và Parallel Extract trên 3.782 trang thuộc 12 bộ ParseBench-2. Mỗi dịch vụ nhận cùng một URL; bộ chấm điểm của ParseBench đánh giá kết quả, còn mọi tài liệu mà dịch vụ không trả về đều nhận điểm 0. You.com cho biết lợi thế lớn nhất của mình nằm ở các bảng và biểu đồ: Extract standard đạt lần lượt 74,9 và 76,6 điểm ở hai hạng mục đó, so với 22,8 và 0,9 của Exa, và 0,1 và 0 của Parallel.

Tốc độ lại cho kết quả ngược chiều: You.com báo cáo độ trễ trung vị là 11,0 giây đối với standard và 2,6 giây đối với lite, so với 1,3 giây của Exa và 1,8 giây của Parallel. Thời gian lưu trong bộ nhớ đệm tối thiểu 600 giây của Parallel đồng nghĩa với việc một số phản hồi của dịch vụ này có thể đã được lấy từ bộ nhớ đệm.

Các điểm số về phân tích cú pháp cũng dựa trên phạm vi đánh giá hẹp hơn so với toàn bộ bài đánh giá chuẩn. You.com loại trừ phần đánh giá bố cục dựa trên tọa độ vì Extract trả về nội dung đã phân tích cú pháp thay vì tọa độ của các thành phần trên trang. Bảng xếp hạng công khai của LlamaIndex bao quát 56 phương pháp, 4.317 trang và 13 bộ dữ liệu trên sáu phương diện; điểm tổng thể được tính bằng trung bình cộng đơn thuần của sáu phương diện đó. Vì vậy, phần so sánh nổi bật mô tả thử nghiệm trong phạm vi giới hạn của You.com, chứ không phải thứ hạng tổng thể của toàn bộ ParseBench-2.

Giá và quá trình chuyển đổi API Contents

Lite có giá cố định 0,90 USD cho mỗi 1.000 URL. Standard áp dụng mức giá theo URL đó và tính thêm 0,50 USD cho mỗi 1.000 trang, chỉ khi tệp được truy xuất được xác định là PDF.

Dựa trên mức trung vị 26 trang trong số hàng tỷ tệp PDF đã xử lý, You.com ước tính chi phí cho 1.000 tài liệu thông thường là 13,90 USD khi dùng standard, so với mức giá cố định lite và niêm yết giá của Exa và Parallel là 1,00 USD cho mỗi 1.000 URL, bất kể độ dài. Do đó, chế độ standard chuyên sâu có mức phụ phí đáng kể khi xử lý tài liệu nhiều trang, trong khi lite có giá thấp hơn các đối thủ đó đối với PDF dạng văn bản.

Các yêu cầu thất bại do phía You.com không bị tính phí; phản hồi lỗi phân biệt URL bị chặn, yêu cầu thất bại và trang không có nội dung, để các quy trình xử lý có thể quyết định có thử lại hay không. Tùy chọn không lưu giữ dữ liệu được cung cấp miễn phí cho tài liệu nhạy cảm, nhưng khách hàng phải liên hệ You.com để bật tính năng này.

Nhà phát triển có thể sử dụng Extract miễn phí trên các trang web thông qua máy chủ MCP chính thức của You.com mà không cần khóa hoặc xác thực. Khi đăng ký API trực tiếp, người dùng được cấp 10 USD tín dụng, hoặc 100 USD nếu dùng email công việc; You.com ước tính khoản tín dụng lớn hơn đủ dùng cho khoảng 7.000 tệp PDF thông thường trên standardAPI Contents cũ vẫn được hỗ trợ cho người dùng hiện tại nhưng không còn được phát triển tích cực; tính năng phân tích PDF chuyên sâu hơn và parse_effort được dành riêng cho Extract.

Ranh giới phân định giữa các quy trình truy xuất nằm ở chính tài liệu. Nếu câu trả lời nằm trong văn bản được nhúng, lite sẽ giữ mức phí cố định cho mỗi URL và tốc độ phản hồi nhanh hơn; nếu nội dung nằm trong biểu đồ, bảng hoặc trang được quét, những cải thiện về khả năng phân tích mà You.com báo cáo đi kèm độ trễ cao hơn và, với các tệp PDF dài, chi phí cao hơn nhiều.

Theo Nash là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên về hạ tầng AI, tính toán và các hệ thống phần cứng cung cấp năng lực cho trí tuệ nhân tạo hiện đại. Công việc của anh tập trung vào các nền tảng kỹ thuật phía sau các khối lượng công việc AI quy mô lớn, bao gồm trung tâm dữ liệu, bộ tăng tốc, mạng và các ngăn xếp phần mềm kết nối chúng lại với nhau.

Với góc nhìn phân tích và dựa trên kỹ thuật, Theo xem xét cách các tiến bộ trong GPU, silicon tùy chỉnh, kiến trúc bộ nhớ và hệ thống phân tán cho phép các thế hệ mới của mô hình AI. Anh đặc biệt chú ý đến các đánh đổi về hiệu năng, hiệu suất năng lượng, khả năng mở rộng và các ràng buộc thực tiễn định hình việc triển khai hạ tầng AI trong thực tế.

Các bài viết do Theo Nash viết được tạo ra bởi AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác kỹ thuật, sự rõ ràng và việc đưa tin có trách nhiệm về môi trường tính toán AI đang phát triển nhanh chóng.