61% 的完美率也叫 SOTA，文档提取开始按"输不起"定价
LlamaIndex 给 Extract 的 Agentic Plus 加了个 max effort 开关，最难文档的字段准确率从 12.7 拉到 95，单份价格从 7 分钱涨到 4 块 2。官方说这是为必须 100% 准确的场景准备的，可自家人 bench 上的完美率只有 61%。
文档提取的难点从来不在干净文件上。
发票、合同、标准 PDF，现在随便一个提取 API 都能跑出九十几分。真正让流水线停摆的是另一批东西：几百页的保险费率申报、满屏曲线的测井图、建筑蓝图，还有 2012 年那种一页塞了八个图表的 Excel 导出。这类文件的共同点是，模型看一眼就觉得自己读懂了，错的地方还不报错。
LlamaIndex 今天给 Extract 的 Agentic Plus 档位加了个开关，max effort。官方说法很直接：这是给"绝对需要 100% 提取准确率"的场景准备的，处理的是最密的文档和最复杂的 schema。
判断一个提取功能值不值，看两个数就够：同等成本下能多准，准到极限要花多少钱。
LlamaIndex 给出的第一个数字是 61%。在自家 ExtractBench Pro 上，max effort 的完美提取率是 61%，官方称这是新的 SOTA。所谓完美提取，指的是整份文档所有字段全对，一个都不能错。同时字段级的 Value F1 从标准 Agentic Plus 的 77.7 升到 94.3。
这两个数字放在一起才好理解。字段级 94 分意味着大部分字段是对的，但只有 61% 的文档能全对，剩下 39% 里至少有一个字段出了问题。有人在评论区直接点出来：你宣传的是"需要 100% 准确率时用"，结果 SOTA 是 61% 完美。在保险费率申报这种场景，这个差距还是意味着每个字段得有人复核，复核环节应该写进宣传里。
这个批评成立。61% 不丢人，但它决定了这个功能到底是什么：给人工复核兜底的高精度预处理，还是省掉复核的替代品，这是两门生意。
曲线图横轴是每页成本，纵轴是质量。max effort 把曲线右上角往外推了一截，位置压在 Codex Astra 和 Claude Code + Opus 后面。官方说法是在性价比上赢过这两个组合。
分档数据能看出这套东西的真实用法。博客列了六类挑战在标准档和 max effort 下的对比：
| 类别 | Value F1（标准 → max） | 单份成本（标准 → max） |
|---|---|---|
| 长而密的页面 | 12.7 → 95.0 | $0.075 → $4.19 |
| 关系图 | 49.3 → 98.7 | $1.32 → $3.45 |
| 文档惯例 | 97.5 → 99.8 | $2.98 → $4.74 |
| 自定义术语 | 98.6 → 99.7 | $3.25 → $3.37 |
| 图表 | 94.3 → 95.0 | $1.67 → $2.60 |
| 计数 | 67.6 → 68.7 | $1.41 → $1.55 |
长而密的页面，Value F1 从 12.7 到 95.0，单份成本从 7.5 美分到 4.19 美元，涨了 55 倍。关系图从 49.3 到 98.7，成本不到 3 倍。图表类只从 94.3 到 95.0，成本从 1.67 到 2.60 美元。计数类几乎没动，67.6 到 68.7。
这本质上是个路由问题。同一个开关，放在长密页面上是雪中送炭，放在计数题上是白花钱。有网友总结得挺准：先读成本那一列，再决定开不开。max effort 是按文档类型路由的决策，拿一个错字段的代价去定价。
机制层面，标准档为了保持每页价格可预测，把 PDF 渲染成图片时会牺牲分辨率。图表上的数字太小、图例颜色太接近，就糊了。max effort 遇到需要的区域会用更高分辨率重看一遍，专门对着图表和示意图放大读数。
评论区有个问题问到了点子上：是重新裁剪图表读第二遍，还是整页一次大扫描？从官方描述看更接近前者，按需局部放大，而不是全页统一提分辨率。这也是它能把成本控制住的原因，只在需要的地方多花算力。
用法上没什么门槛。Python SDK 里就是在原有 configuration 加一行：
configuration={
"tier": "agentic_plus",
"effort": "max",
"version": "latest",
}
schema 和其余选项都不动。官方建议先在代表性样本上跑一遍，对齐 schema，看清楚质量和成本再迁移，别一上来全量切。
文档提取这门生意正在从"每页多少钱"变成"错一个字段值多少钱"。这个转向对买方是好消息，至少价格和风险挂上钩了。但对卖方来说，真正的考验不是 bench 上的 61%，而是能不能把剩下那 39% 标出来交给人类。没人会因为 61% 完美率付 55 倍的钱，除非系统能告诉他，哪 39% 需要看。
发布时间: 2026-10-31 15:50