LlamaIndex推出OpenDocRouter：统一API调用多款文档解析…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载一个接口调用多种解析模型
LlamaIndex 推出名为 OpenDocRouter 的平台，用于把文档转换成 markdown。它的定位是把最新开源模型与前沿模型统一到一个调用入口下，用户不必再为每个模型单独处理提示词、限流、部署与成本核算。每个模型背后对应一份带版本号的配方，配方里包含提示词、处理流程与各项设置。调用方式为向指定接口发送请求，请求体中指定模型名称、文档地址，并可选择是否开启版面解析。接口接受的输入包括 PDF、PNG、JPEG，以及指向这些格式文件的链接。这意味着使用者可以在不改动整体流程的前提下，按需切换底层解析模型。
同步与异步两种返回
该接口在返回方式上提供两种选择。同步模式下结果直接返回，但页数上限为 50 页；异步模式会先创建一个任务，之后需要轮询获取结果。单次请求可处理的输入最多 500 页，文件体积上限为 50MB。这些限制决定了它更适合什么样的文档：页数较少、希望立即拿到结果的场景可以走同步；页数较多、耗时较长的文档则适合走异步任务。对使用者而言，需要根据文档规模提前选择调用方式，否则可能因超出同步页数上限而无法直接取回结果。
用统一版面补齐模型差异
不同模型对边界框与版面的支持程度并不一致：有的模型原生输出边界框，有的需要额外提示才能给出，还有的完全不具备这项能力。为抹平这种差异，平台内置了一个 grounding 引擎，可以套用到任意模型上。在请求中开启版面选项后，生成的 markdown 会带有定位后的边界框，并按阅读顺序排列版面元素。这样一来，所有模型输出的版面类别保持一致，包括标题、章节标题、正文、列表项、表格、图片、图表、公式、图注、脚注、页眉、页脚、代码、表单与键值对。使用者因此不必为不同模型分别适配版面结构。
模型清单与评测口径
上线时平台挑选的模型覆盖了评测的各个区间。前沿模型方面包括 Claude Opus 5.5、Gemini 3 Flash、Gemini 3.8 Flash、GPT-5.6 Terra、GPT-6 Luna；开源模型方面包括 Infinity-Parser2-Flash、MinerU2.5-Pro、TeleOCR、dots.mocr、PaddleOCR-VL-1.6。每个模型都在 ParseBench 上从质量与成本两个维度进行评测。对使用者来说，这份清单与评测口径提供了横向比较的依据：既能看到不同模型在解析质量上的表现，也能看到相应成本，从而在调用时选择更贴合自身需求的模型。
为什么值得看
解决多模型解析需分别处理提示词、限流与部署的痛点，提供统一评测与排版对齐能力。
信源1 家
关键事实
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。