AI 模型与平台
You.com 推出用于文档检索和 PDF 解析的 Extract API

要点You.com的标准PDF模式以慢得多的延迟换取对表格和图表的强大得多的解析能力。
查看更多
- You.com的标准PDF模式以慢得多的延迟换取对表格和图表的强大得多的解析能力。
- Lite解析对文本已嵌入的文档保持按URL的固定价格和快速响应。
- 较旧的Contents API已被冻结,而更深入的PDF解析和parse_effort仍为Extract所独有。
You.com 于 2026 年 11 月 17 日推出了 Extract API,为开发者提供了一个端点,可抓取网页或 PDF 并以 Markdown 或 HTML 格式返回其内容。该公司表示,在一项涵盖五个维度的评测中,其默认 PDF 模式的得分至少比 Exa Contents 和 Parallel Extract 高出 80%。
Extract 面向这样的智能体:它们在搜索后需要获取完整的监管文件、合同或研究论文,而非内容摘要;如果已知 URL,也可以直接调用该服务。请求需使用 API 密钥,响应会标明内容来自缓存还是实时抓取。
检索与解析设置
API 参考文档提供三种检索设置。默认设置, blend,会在有缓存内容时使用缓存,否则实时抓取页面; fetch 始终实时抓取,而 cache 则仅返回已存储的内容;如果没有副本,就会省略内容字段。请求的默认端到端超时时间为 30 秒,可配置为 2 至 100 秒;超时后,端点会返回 504 错误。
PDF 处理由另一项设置控制: parse_effort. Standard,这是默认设置,会使用高级模型处理图表和图像等复杂页面; lite 只提取每页中嵌入的内容。You.com 表示,前一种方式适用于表格、图表、表单和扫描页面,而 lite 适用于合同等以数字方式创建的文本型文档。两种设置都不会改变网页输出或定价。
基准测试方法与结果
为测试 PDF 质量,You.com 使用两种 Extract 模式、Exa Contents 和 Parallel Extract,对 12 组 ParseBench-2 测试集中的 3,782 页进行了测试。每项服务收到的 URL 都相同,ParseBench 的评分器对输出进行评分;服务未能返回的任何文档均记为零分。You.com 表示,其优势最大的是表格和图表:Extract standard 在这两个类别中的得分分别为 74.9 和 76.6;相比之下,Exa 分别为 22.8 和 0.9,Parallel 则为 0.1 和零。
速度方面则恰好相反:You.com 报告称,……的延迟中位数为 11.0 秒 standard ,……为 2.6 秒 lite;相比之下,Exa 为 1.3 秒,Parallel 为 1.8 秒。Parallel 的缓存最短存留时间为 600 秒,这意味着其部分响应可能来自缓存。
这些解析得分所覆盖的评测范围也窄于完整基准测试。You.com 未纳入基于坐标的版面评测,因为 Extract 返回的是解析后的内容,而非页面元素的坐标。LlamaIndex 的公开排行榜涵盖 56 种方法、4,317 页和 13 个数据集,涉及六个维度;总分按这六个维度的简单平均值计算。因此,标题所述的比较反映的是 You.com 在限定范围内进行的测试,而非 ParseBench-2 的整体排名。
定价与 Contents API 的迁移
Lite 费用为每 1,000 个 URL 固定 0.90 美元。 Standard 采用相同的 URL 费率;只有在抓取的文件被识别为 PDF 时,才会额外收取每 1,000 页 0.50 美元。
根据其处理过的数十亿份 PDF 文件中,页数中位数为 26 页这一数据,You.com 估算,1,000 份典型文档的费用为 13.90 美元,使用 standard;相比之下,固定 lite 费率下,Exa 和 Parallel 的价格均为每 1,000 个 URL 1.00 美元,不受文档长度影响。更深入的 standard 模式因此会带来可观的多页处理溢价,而 lite 处理文本型 PDF 的费用则低于这些竞争对手。
在 You.com 一侧失败的请求不会收费。错误响应会区分被阻止的 URL、失败的请求和不含内容的页面,以便处理流水线决定是否重试。敏感文档可免费启用零数据保留,但客户必须联系 You.com 才能开通。
开发者可以通过 You.com 官方 MCP 服务器免费使用 Extract 处理网页,无需密钥或身份验证。直接注册 API 可获得 10 美元额度;使用工作邮箱注册则可获得 100 美元额度。You.com 估计,较高额度可在 standard上处理约 7,000 份典型 PDF。现有用户仍可继续使用旧版 Contents API,但该 API 已不再积极开发;更深入的 PDF 解析以及 parse_effort 则仅由 Extract 提供。
对于检索流水线,关键在于文档本身。如果答案位于嵌入的文本中, lite 可保持每个 URL 的费用固定,响应也更快;如果答案位于图表、表格或扫描页面中,You.com 所报告的解析效果提升则伴随着更高的延迟,而且处理较长的 PDF 时,费用会高出很多。












