LlamaIndex 转型文档 OCR 应用研究实验室
LlamaIndex 这次把家底全说清楚了：自研 OCRia-1 模型加上 ParseBench、ExtractBench 等三套基准，摆明了要在文档解析这条赛道上跟 Reducto 这些玩家正面竞争。做 RAG 或文档抽取的团队可以看看他们的研究页，基准都是公开的，直接拿去测自己的文档。
LlamaIndex 创始人 Jerry Liu 宣布，公司现在的定位是专注于文档 OCR 和文档处理的应用研究实验室，目标是在准确率、成本、延迟三者的帕累托前沿上打造最优的模型与智能体。
为实现这一目标，团队公布了五条研发主线：一是建设公平全面的基准，目前已推出 ParseBench、ExtractBench 和 ExtractBench Pro，官方称它们已是当前解析与抽取领域使用最广的基准；二是投入数据策展与合成数据生成；三是投入算力和训练流水线，产出了 OCRia-1 模型；四是做智能体优化，围绕模型调节周边环节以同时压低成本、提升准确率；五是通过产品使用、客户反馈和自动验证闭环迭代。
相关研究已在 llamaindex.ai/research 页面公开。对开发者和企业用户来说，这意味着 LlamaIndex 正从 RAG 框架供应商转向垂直文档智能赛道，与 Reducto、Mistral OCR 等解析方案形成直接竞争，选型时可以重点关注其基准和模型在自家文档类型上的表现。
Today, @llama_index is an applied research lab for document OCR and document work. Our core focus is investing in building the best-in-class models+ agents at the pareto frontier of accuracy/cost/latency for document processing. To do this, we have to invest in all the different components around the research infra stack: 1. Building comprehensive and fair benchmarks. Today we have ParseBench, ExtractBench, and ExtractBench Pro. They're already the most popular benchmarks in parsing and extraction today, and we're just getting started. 2. Investing in data curation and synthetic data generation. 3. Investing in compute and our training pipeline. This has produced models like OCRia-1. 4. Investing in agent optimization - tune everything around the models to further hillclimb cost and accuracy. 5. Closing the loop based on feedback - whether from active usage of our product, implicit/explicit customer feedback, or automated verification. We are accelerating our capabilities at a crazy pace. Today, our work is documented in our research page: llamaindex.ai/research There is a lot more to come!📊 11 ⚡
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：LlamaIndex、OCRia-1、ParseBench、OCR，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Jerry Liu」（@jerryjliu0），经 AITOP 多维评分管线结构化提炼。
