LandingAI ADE

LandingAI 正式推出了 Agentic Document Extraction (ADE) Gen2，这是对其文档智能栈的一次彻底重建。Gen2 摒弃了将文档视为“扁平块列表”的旧范式，转而采用树状结构理解文档，并引入了全新的 DPT-3 模型家族。此次更新的核心突破在于原子级锚定（Atomic Grounding）、代理就绪的输出格式以及更具灵活性的按字符计费模式。

核心升级：双模型架构与原子级锚定

1. DPT-3 模型家族：按需选择解析引擎

Gen2 将解析任务拆分为两个专用模型，以满足不同场景对成本与精度的需求：

未来计划：自动路由功能将于 2026 年秋季推出，系统将自动判断文档复杂度并选择最经济的模型。

2. 原子级锚定：从“近似”到“精确”

这是 Gen2 最具革命性的能力。每个叶块都携带 atomic_grounding 数组，将提取的内容直接映射回原始文档的物理位置：

• 可追溯性：提取的字段可追溯到特定页面上的特定词或特定行。
• 应用价值：
  • PII 脱敏：基于坐标精确抹去敏感信息，而非模糊替换。
  • 审查 UI：构建高亮显示原文依据的用户界面。
  • 文档差异比较：精确比对不同版本间的细微变化。
• 置信度信号：Verity 模型为每个词提供 0-1 的置信度分数，帮助团队自动识别并路由低置信度内容进行人工审查。

定价变革：从“按页”到“按字符”

Gen2 改变了计费逻辑，从 Gen1 的固定每页 3 积分，转变为页面基础费 + 输出字符费的组合模式。这使得处理简单文档的成本大幅降低，但密集页面的成本可能上升。

优先层级 (Priority Tier) 费率示例：

• DPT-3 Pro: 1 积分/页 + 0.5 积分/1,000 字符
• DPT-3 Verity: 0.3 积分/页 + 0.2 积分/1,000 字符

标准层级 (Standard Tier):

• 费率为优先层级的 50%，适合异步管道（容忍数分钟到数小时的延迟）。
• LandingAI 声称，在标准层级使用 Verity 解析，每页成本可低于一美分。

注意：同步调用始终按优先层级计费。混合使用两种层级和模型，预计可降低 25%-80% 的总成本。

输出结构：树状文档与标准化 Markdown

Gen2 的响应不再是扁平列表，而是一个清晰的树状结构：Document -> Pages -> Blocks。

• 块类型丰富：包括 text, table, figure, marginalia (页边注), attestation (认证/签名), logo 等。
• 标准化 Markdown：
  • 图形使用 <figure type="CHART"> 标签，描述隔离在 <description> 中，避免混淆转录内容与模型评论。
  • 认证标记使用堆叠标签，如 [STAMPED][SIGNED]。
  • 表格默认以 HTML 形式输出，完美保留合并单元格结构。
• 稳定 ID：每个块拥有 type-index 形式的语义 ID，在单次响应内稳定，便于后续处理。

部署与可用性

• 立即可用：开发者可在 ADE Playground 免费体验。
• 灵活部署：
  • 云端：支持美国或欧盟云，可在 AWS、Azure、Google Cloud 的自有 VPC 中运行。
  • 数据仓库：支持在 Snowflake 内运行。
  • 本地/气隙环境：支持完全离线部署，满足最高安全合规要求。
• 迁移提醒：Gen1 客户端代码无法直接兼容 Gen2 端点，需要进行代码迁移。