Extract v2.5 是什么？谁发布的？
2026年10月1日，LlamaIndex 发布了 Extract v2.5，这是其基于模式的文档抽取智能体的新一代版本。它属于闭源商业服务，官方未说明是否开源。它能从复杂文档中更准确地提取结构化数据，并新增高级引用功能。
打个比方，就像给一个图书馆管理员配了一副超级眼镜，以前他只能看清一页纸上的字，现在他能把整本书里分散在不同页的同一件事拼在一起，还能用荧光笔标出每个答案是从哪一行找到的。
准确率提升了多少？
在 ExtractBench 基准测试上，所有三个层级的准确率都有提升。Cost Effective 从 87.1 升至 93.9，Agentic 从 89.8 升至 95.8，Agentic Plus 从 95.1 升至 96.4。这意味着即使是最便宜的层级，现在也比之前的最高层级更准。
这些提升没有增加每页价格，所以每一块钱能换来的性能更高了。官方未说明具体定价金额，但明确表示价格不变。
它怎么处理长列表？
长列表容易让模型提前停止或丢失重复记录。Extract v2.5 使用中间表示来处理完整数据集，并根据你的模式验证输出。在一个 17 页的基金备案文件中，Cost Effective 之前只返回了 238 条持仓中的 87 条，现在返回全部 238 条，抽取分数从 52.8 升到 98.7。
就像数一长串珠子，以前数到一半就乱了，现在能从头到尾一颗不落，还能核对总数对不对。
跨页记录怎么处理？
真实文档中，一条记录可能跨越多页，或者和后面的附录相连。Extract v2.5 在构建输出时能更好地保持字段之间的关系。在一个资助计划表中，Agentic v2.0 在分页处停止，导致资助目的和地址不完整；v2.5 则把下一页的续接内容合并到同一条记录中。
就像拼图时，以前拼到页边就断了，现在能把下一页的碎片自动接上，拼出完整的图案。
扫描表单和手写批注怎么办？
扫描表单常混合印刷字段、叠加文字、手写和审核批注，扫描噪声让这些层更难区分。Extract v2.5 能更好地在上下文中视觉解读字段，把请求的值和周围的标记分开。在一份有批注的许可证上，Agentic 之前把审核日期和许可证号合并，还把审核备注附加到淡水深度上；v2.5 则把原始值和批注分开，放入模式请求的字段中。
就像从一张写满笔记的试卷上，准确找出老师原本打印的题目答案，而不是把学生的涂鸦也当成答案。
高级引用是什么？
高级引用能为困难字段定位支持证据的边界框，包括那些没有逐字出现在文档中的值。Agentic 和 Agentic Plus 现在都支持这一功能。Agentic 的 grounding 分数从 46.8 升到 80.6，Agentic Plus 从 46.4 升到 82.2，意味着即使是最复杂的布局和抽取，也能给出更正确、更合适的边界框。
就像在书上用荧光笔标出每个答案的出处，方便你回头核对。边界框引用和置信度分数结合，能帮助团队决定哪些值可以自动通过，哪些需要人工复核。
它是怎么做到的？
LlamaIndex 构建了一个专门用于文档抽取的新智能体框架，灵感来自最新的编码智能体，围绕模型进行了超调，以处理视觉、推理和验证中的真实失败模式。它使用结构化推理，根据文档类型、布局和信息密度自适应地分配计算资源，复杂文档多花力气，简单文档低延迟处理。
就像一位经验丰富的老师，看到复杂的题目会多思考几步，简单的题目则快速作答，但都能给出正确答案。
适合谁用？有什么限制？
Extract v2.5 适合需要从大量复杂文档中提取结构化数据的团队，比如金融分析师处理基金备案、保险理赔自动化、医疗临床研究加速等。它提供三个层级：Cost Effective、Agentic 和 Agentic Plus，价格不变。
限制方面，官方未说明是否开源、具体定价金额、支持的语言种类、API 调用限制、训练数据来源、模型参数量、部署方式以及是否提供免费试用额度。用户需要根据自身文档类型和合规要求评估是否适用。
本文由 AIGCWHY 自动监测系统发现，经结构化处理后发布。重要决策请打开原文核验。