LlamaIndex 发布 ParseBench-2 文档解析基准并推出 OCRia-1.5 模型

LlamaIndex 发文反驳文档 OCR 正被前沿模型商品化的观点，称帕累托前沿仍远高于最新前沿模型。其开源的 ParseBench（约 2,000 个人工核验的企业页面、167,000+ 条测试规则）显示，GPT-4o 到 GPT-5.5 三代模型解析准确率提升约 24 分但每页成本约翻四倍，最新最贵模型仍比专用前沿低 20 分。

LlamaIndex 发布长文分析 LLM OCR 的核心风险：视觉证据弱时语言先验主导，模型会把读不清的数字替换成流畅但错误的值，或静默截断长表格，且没有逐字符置信度可供设阈值。

LlamaIndex 官方宣布公司使命收窄为构建智能体文档处理基础设施（OCR、抽取与工作流），不再定位为单纯的 RAG 框架。

LlamaIndex 发文指出，Agent 正越来越多地通过文件和文件系统来读取非结构化上下文，并归纳出三种主要用法：用文件存储和检索长程对话历史、用文件搜索替代朴素 RAG 来获取海量外部上下文、用 Skills 类文件教会 Agent 做事从而绕过 MCP。

LlamaIndex 在 UBER 2019-2022 年 SEC 10-K 文件上测试 Anthropic 新推出的 100K token 上下文窗口。由于单份 10-K 约 160k token 仍超出窗口，作者用 list index 切成约 100k token 大块并测试响应合成策略。

LlamaIndex 发布 ExtractBench Pro，这是基于真实长尾文档构建的 ExtractBench 扩展评测集，包含 100 份合成文档、六大类新挑战。该数据集由确定性流水线从种子和配置文件生成，覆盖图表取值、跨页规则、内部术语、图示关系等场景，刚性流水线表现吃力，而配备合适工具的智能体系统更能适应。

LlamaIndex 为 LlamaParse 上线数据连接器，首批支持 SharePoint 和 Google Drive，开发者可直接连接源文件夹而无需手动上传文档。同步文件可用于 Parse、Extract 和 Index，连接会每日自动同步新增与更新文件，也可用 Sync now 手动拉取；通过 Index 配置抽取时，后续索引更新只处理新增或变更文件。

AI 文档抽取的准确率瓶颈不在模型读取，而在 Schema 定义。同一份 180 页信贷协议中利率出现 6.25%、SOFR+350 基点、违约后 11% 三个可读数值，Schema 未说明取哪一个，三个抽取系统就会给出三个不同答案。

多数智能文档处理（IDP）平台在演示与生产环境之间存在10到20个百分点的准确率差距，干净 PDF 上98%的提取准确率在实际收件上可能只有82%。文章指出核心失效点是文档多样性，模板依赖会随时间累积维护成本，而图表、示意图、图像等非文本内容常被传统 IDP 忽略。现代方案改用 LLM 编排层，按元素类型将文本、表格、图表分别路由给 OCR、版面感知提取和视觉语言模型。

Anthropic Fellows Program 团队构建四个多用户多智能体模拟环境（共享 API token 预算、诊所日历、团体订餐或旅行预订、合并队列），测试 Anthropic、OpenAI 和 Alibaba 的前沿模型，并发布其中三个环境作为基准 MAMUBench。