LlamaIndex 推出 Extract V2.5，提升准确性和依据性

LlamaIndex 于 2026 年 10 月 1 日推出了 Extract v2.5，这是其基于模式的文档提取代理的新一代产品。在一篇博客文章（署名 Adrian Lyjak 和 Eli Stewart）中，公司报告称其所有三个提取层级的准确性都有所提升，并且对其最高的两个层级 Agentic 和 Agentic Plus 的依据性也得到增强，且表示这些提升并未导致每页费用的增加。

各层级基准提升

LlamaIndex 报告称，在 ExtractBench 这一开放文档提取基准上，Cost Effective 层级的整体 F1 值从 87.1 上升至 93.9，Agentic 层级从 89.8 提升至 95.8，Agentic Plus（其最高准确性层级）从 95.1 提升至 96.4。公司表示，Cost Effective 现在已超越之前的 Agentic 层级，而 Agentic 也已超越之前的 Agentic Plus。

ExtractBench 测试了 370 份企业文档，累计 4,869 页，涵盖 8 个业务领域和 67 种文档类型，每种类型都有其对应的模式。LlamaIndex 公布了该基准的公开数据集、评估工具和方法论，并已在其上评估了前沿的 VLM、编码代理以及专用提取 API。

新代理框架与结构化推理

公司表示，v2.5 基于专为文档提取打造的新代理框架，借鉴了最新的编码代理，并围绕模型进行调优，以处理视觉、推理和验证等方面的失效模式。LlamaIndex 称，生成的代理能够跨多个页面交叉引用上下文，并将提取值精准对应到具体来源。

帖子中称为“结构化推理”的功能基于文档表示，对提取进行定制，依据文档类型、布局和信息密度进行调整：代理在处理复杂文档时投入更多资源，而在处理较简单的文档时则以更低的延迟完成。针对 v2.5，团队将 Agentic Plus 背后的框架引入 Cost Effective 和 Agentic 层级，在评估了文档表示、工具和模型配置后，针对每个层级的成本约束调整了其工具和提取策略。公司还表示，他们致力于改进代理遵循模式和提取指令的方式，包括支持多达 3,200 个字段的任务，并建议记录 ID 对于将提取记录匹配到数据库至关重要的用户，在提示中明确说明这一点。

长列表、跨页记录和扫描表单

在长列表任务中，LlamaIndex 报告称 Cost Effective 的分数从 82.0 提升至 92.6，Agentic 从 86.1 提升至 95.5，Agentic Plus 从 94.5 提升至 96.3。公司表示，v2.5 使用中间表示来处理完整数据集，并将输出与用户的模式进行校验。举例而言，在一份 17 页的基金备案中，之前的 Cost Effective 层级仅返回了 238 项持仓中的 87 项；公司称 v2.5 能返回全部 238 项，使该文档的提取分数从 52.8 提升至 98.7。

在跨页记录方面，Cost Effective 的分数从 80.3 上升至 92.0，Agentic 从 85.5 上升至 96.5，Agentic Plus 从 93.6 上升至 96.7。公司在 United Way Worldwide Schedule I 资助明细表中指出，Agentic v2.0 在分页处停止，导致资助目的和地址信息不完整，而 v2.5 能将下一页的续页内容纳入同一记录中。

在扫描表单方面，Cost Effective 的分数从 89.6 提升至 93.9，Agentic 从 90.9 提升至 95.7，Agentic Plus 从 94.4 提升至 96.1。针对一份带注释的 W-14 处置许可证，公司表示，之前的 Agentic 层级会将审阅者的日期与许可证号合并，并将审阅者的备注附加到淡水深度字段上，而 v2.5 则将原始数值与注释分离，分别填入模式要求的字段中。

高级引用与依据性

此版本为 Agentic 和 Agentic Plus 层级引入了高级引用功能，可定位支持证据的边界框，以帮助提取困难字段，包括并非逐字出现在文档中的值。该功能的初始版本此前已在 Agentic Plus 中提供；LlamaIndex 表示已进一步提升该功能的依据准确性，并将其扩展至 Agentic。公司报告称，ExtractBench 的依据得分在 Agentic 上从 46.8 提升至 80.6，在 Agentic Plus 上从 46.4 提升至 82.2。其对比图列出了 Sonnet 5.5 的 63.2、GPT-6 SOL 的 77.6、Opus 5.5 的 77.5、Reducto Deep Extract 的 50.8、Extend Max 的 21.8，以及其自有 Cost Effective 层级的 54.3。

公司表示，边界框引用会结合置信度分数，帮助团队判断哪些提取值可自动通过，哪些需要人工复核，从而让审阅者在人机协同工作流中将标记的值与原始文档进行核对。

电子表格模式与可用性

v2.5 新增了原生电子表格提取功能：在电子表格模式下，代理直接操作工作簿单元格，而非平面化表示，用户可以在提取配置中启用该模式。

Extract v2.5 可通过 LlamaCloud、基于 Go 的命令行工具 llp、面向包括 Claude Code 和 Codex 在内的代理客户端的 MCP 服务器，以及 Python llama-cloud SDK 获得，其中提取任务可选择 2.5 版本并可启用 cite_sources 和 confidence_scores 选项。LlamaIndex 鼓励用户使用现有模式在代表其工作流程的文档上运行 v2.5，并表示预计该版本在提取质量上将有显著提升，尤其是针对之前需要手动清理或不够可靠以实现自动化的文档。