Jerry Liu(@jerryjliu0)
one of the most challenging tasks for frontier models is being able to extract thousands of values f...
8.5内容质量
TL;DR · AI 摘要
Llamaindex推出Extract v2.5代理，在密集表格提取任务中达到93%-96%准确率，显著优于现有模型。
核心要点
- Extract v2.5在长列表提取任务中准确率达93%-96%，优于Astra的30%
- Extract v2.5代理成本比Opus 5.5和GPT-6 Sol低30%-4倍
- 新方法能将每个提取值归因到原始来源，解决前沿VLMs的归因问题
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Extract v2.5代理
- 性能优势
- 93%-96%准确率
- 跨页提取能力
- 技术突破
- 精准归因能力
- 解决重复记录问题
- 成本效益
- 30%-4倍成本优势
金句 / Highlights
值得收藏与分享的关键句。
Extract v2.5在长列表提取任务中达到93%-96%准确率，包括跨页单元格提取
前沿VLMs在重复记录处理和归因能力上存在显著缺陷
Extract v2.5代理成本较竞品降低30%-4倍，性价比突出
#文档提取#AI模型#Llamaindex#表格处理
打开原文Jerry Liu在X上的推文："对于前沿模型来说，最具有挑战性的任务之一是从文档中极其密集的表格中提取数千个值。我们新推出的Extract v2.5代理在长列表提取任务中能够达到93%-96%+的准确率，包括跨页的单元格。相比之下，Astra在这项基准测试中的准确率仅为30%左右。在这些情况下，前沿视觉语言模型（VLMs）可能会提前停止或遗漏重复记录。它们在将每个提取值映射回原始来源时也存在困难。我们能够将每个提取值准确映射回原始来源。请查看下方视频、博客文章和llamaparse！博客：
llamaindex.ai/blog/introduci…
llamaparse:
cloud.llamaindex.ai
$
00:00
/$
10月1日
今天，我们推出了专为文档提取优化的Extract v2.5 - 一系列前沿代理（cost-effective、agentic、agentic plus）。这些代理经过调优，可实现更高的值准确性与溯源能力。我们的提取代理在准确率上超越了Opus 5.5和GPT-6 Sol，同时成本降低了30%-4倍。
显示更多
2026年10月2日 下午3:29
·
11.9K
浏览量
12
9
116
110