新模型专攻文档引用问答，输入价格低至 $0.01/百万 token
做合同、发票、邮件问答的工具党可以留意：答案直接附上源文档原句，出处可追溯，比传统 RAG 自己拼引用省事。输入 $0.01/百万 token、输出免费，批量跑文档成本几乎可以忽略，想搭文档问答流水线的朋友值得试一下。
一款新模型针对文档问答场景训练：回答问题时直接返回源文档中支持答案的原文段落，而不是只给结论。这意味着合同、发票、邮件等文档的处理结果天然带有出处，方便人工核对和合规审计。
定价方面，输入 token 为 $0.01/百万，输出免费，对需要大批量处理文档的团队来说成本极低。
对检索增强（RAG）类应用开发者而言，可引用原文的输出方式能减少幻觉回答的风险。
This new model is a big deal:
It was trained to return the exact passages from the source document that answer a question.
Think about applications that work with contracts, invoices, emails, or other documents. You always want to answer questions with direct traceability back to the source.
$0.01 per 1M input tokens with free output. Awesome price for processing documents at scale!
本条情报归属 AITOP「模型」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」「中美大模型技术代差与商业化对照」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：RAG、文档问答、引用溯源，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「Ate-a-Pi」（@svpino），经 AITOP 多维评分管线结构化提炼。
