LandingAI представила Agentic Document Extraction Gen2: разбор моделей DPT-3 Pro и Verity, древовидной структуры и новой системы оплаты

Платформа LandingAI объявила о выпуске масштабного обновления своей экосистемы интеллектуальной обработки документов — Agentic Document Extraction (ADE) Gen2. В основе нового релиза лежит семейство мультимодальных нейросетей DPT-3, сменившее архитектуру предыдущего поколения. Разработчики полностью пересмотрели фундаментальный подход к представлению данных: если в первой версии документ разбивался на плоский список изолированных фрагментов (чанков), то Gen2 строит полноценное иерархическое дерево с атомарной привязкой каждого слова к его физическим координатам на странице.

Обновление фокусируется на трех ключевых направлениях: кардинальном снижении стоимости обработки, формировании структурированных данных, готовых к передаче автономным ИИ-агентам, и высокоточной визуальной атрибуции. Платформа уже доступна для практического использования. Разработчики могут протестировать возможности системы в бесплатной интерактивной среде ADE Playground, а корпоративным клиентам предлагаются варианты развертывания в облачных регионах США и ЕС, изолированных виртуальных сетях (VPC) на базе AWS, Azure или Google Cloud, внутри среды Snowflake или на локальных серверах в полностью изолированных от интернета контурах (air-gapped).

Две специализированные модели: DPT-3 Pro и DPT-3 Verity

Одно из главных архитектурных нововведений ADE Gen2 — разделение задачи парсинга между двумя узкоспециализированными нейросетями. Такой подход позволяет гибко балансировать между вычислительной сложностью и итоговой стоимостью обработки различных типов файлов.

Первая модель, DPT-3 Verity, предназначена для работы с изначально цифровыми документами (born-digital PDF). Она выполняет детерминированную транскрипцию текста и возвращает ограничительные рамки (bounding boxes), а также баллы уверенности для каждого отдельного слова. Нейросеть идеально подходит для обработки больших объемов типовых текстов, структурированных таблиц и простых форм. Стоимость вызовов DPT-3 Verity составляет примерно 40% от стоимости флагманской модели.

Вторая модель, DPT-3 Pro, ориентирована на сложные сценарии с неструктурированной версткой. Перед распознаванием текста она анализирует визуальную структуру страницы, определяя типы блоков: от таблиц и графиков до маргиналий (пометок на полях) и рукописных подписей. DPT-3 Pro восстанавливает естественный порядок чтения, успешно справляется со сканированными копиями низкого качества, рукописным текстом, нелатинскими алфавитами и математическими формулами в формате LaTeX. Инженеры LandingAI также анонсировали, что осенью 2026 года в систему будет встроен механизм автоматической маршрутизации, который станет сам направлять страницы на нужную модель в зависимости от их сложности.

Новая модель оплаты: расчёт по символам и страницам

Формула тарификации в Gen2 подверглась глубокой переработке. Ранее, в эпоху DPT-2, за обработку любой страницы считывалась фиксированная плата в размере 3 кредитов. В DPT-3 итоговая стоимость складывается из двух составляющих: базовой ставки за страницу и объёма сгенерированных на выходе символов.

На приоритетном тарифе (Priority) расценки распределяются следующим образом:

• DPT-3 Pro: 1 кредит за страницу + 0.5 кредита за каждые 1000 выведенных символов;
• DPT-3 Verity: 0.3 кредита за страницу + 0.2 кредита за каждые 1000 выведенных символов.

Вторым рычагом оптимизации затрат выступает выбор уровня обслуживания. Помимо приоритетного режима, предназначенного для интерактивных сценариев и работы ИИ-агентов реального времени, доступен стандартный тариф (Standard). Он работает в асинхронном режиме с 50-процентной скидкой от базовых цен (0.5x) и подходить для фоновых пайплайнов, допускающих задержку выполнения от нескольких минут до нескольких часов. Важно учитывать, что синхронные API-запросы и работа в Playground всегда тарифицируются по приоритетной ставке.

Для демонстрации механики расчёта разберем пример: обработка 12-страничного документа с помощью DPT-3 Pro на тарифе Priority, в результате которой было получено 48 120 символов текста. Плата за страницы составит 12 кредитов (12 × 1), а плата за символы — 24.06 кредита (48 120 / 1000 × 0.5). Итоговая сумма равен 36.06 кредита, которая округляется до 36.1 кредита (округление производится до ближайших 0.1 кредита). Все параметры расчета подробным образом фиксируются в метаданных ответа API.

По оценкам LandingAI, новая тарифная сетка позволит снизить расходы на 25–80% при смешанной нагрузке, а стоимость парсинга простых документов через Verity Standard может опускаться ниже одного цента за страницу. Однако IT-командам стоит провести предварительное тестирование на собственном пуле документов: из-за символьной составляющей обработка сверхплотных текстов может обходиться дороже, чем при старой фиксированной системе.

Древовидная структура данных вместо простых фрагментов

Формат ответа API Parse v2 содержит три корневых поля: markdown (текст в правильном порядке чтения), metadata (системные данные и детализация стоимости) и structure (иерархический узловой объект документа).

Вместо плоского списка текстовых кусков клиент получает полнофункциональное дерево, где корневой узел документа содержательно декомпозируется на страницы, а страницы — на конкретные смысловые блоки. Поддерживаются следующие типы блоков: text, table, table_cell, figure, marginalia, attestation, logo, card и scan_code.

Каждому блоку присваивается семантический идентификатор вида type-index (например, table-0), сохраняющий стабильность в рамках одного ответа. Каждый объект снабжен точными координатами: номером страницы, диапазоном символов внутри итоговой Markdown-строки и нормализованными границами рамок (bounding box).

Разработчики также унифицировали формат генерируемого Markdown-кода:

• Иллюстрации и диаграммы оформляются тегами вида <figure type="CHART">, а сгенерированный нейросетью текстовый описательный промпт изолируется внутри тегов <description>, что исключает путаницу между исходным текстом и комментариями модели.
• Штампы, печатные оттиски и подписи маркируются стековыми метками вроде [STAMPED] или [SIGNED], а для нечитаемых фрагментов применяются константы [ILLEGIBLE_SIGNATURE] и [ILLEGIBLE_TEXT].
• Табличные данные по умолчанию отдаются в виде HTML-кода, что гарантирует точную сохранность структуры объединения ячеек.

Атомарная привязка к координатам и её практическое применение

Наиболее значимым технологическим прорывом ADE Gen2 стала функция атомарной привязки (atomic grounding). Все листовые блоки дерева содержат массив atomic_grounding: для модели DPT-3 Pro детализация выполняется до уровня отдельной визуальной строки, а для DPT-3 Verity — до уровня каждого конкретного слова.

Более того, Verity рассчитывает показатель уверенности (confidence score) от 0 до 1 для каждого слова на основе минимальной оценки входящих в него символов. Это дает разработчикам автоматизированный инструмент для отправки сомнительных участков распознанного текста на ручную проверку операторам.

Технология атомарной привязки делает возможным реализацию сложных инженерных сценариев:

• Извлечение цитат (Extract V2): любое извлеченное поле данных имеет прямую гиперссылку на первоисточник — конкретное слово и его физическое местоположение на странице.
• Маскирование персональных данных (PII Redaction): удаление или замазывание конфиденциальной информации по точным визуальным координатам без риска повредить соседний текст.
• Сравнение версий (Document Diffing): подетальное сопоставление сложных документов с подсветкой графических и текстовых изменений.
• Интерфейсы верификации: создание удобных клиентских UI, в которых пользователь при клике на распознанное значение мгновенно видит подсвеченный оригинал на скане.

Ключевые выводы и особенности миграции

Выход LandingAI Agentic Document Extraction Gen2 знаменует важный шаг в развитии систем обработки документов. Отказ от примитивного разбиения на чанки в пользу иерархических деревьев и введение оценки уверенности открывают новые горизонты для интеграции документов с автономными ИИ-агентами.

Главные итоги релиза:

• Модели DPT-3 Pro и DPT-3 Verity полностью заменяют устаревшую DPT-2.
• Новая гибридная система оплаты учитывает количество страниц и объем выводимых символов, снижая чеки на стандартных задачах.
• Атомарная привязка гарантирует точность до строки (Pro) и до слова с оценкой уверенности (Verity).
• Клиентский код первой версии (Gen1) несовместим с конечными точками Gen2 API, поэтому разработчикам потребуется провести обязательную миграцию своих интеграций.

Источник: www.marktechpost.com