LlamaIndex发布Extract V2.6：引入Max Effort模式提升复杂文档抽取质量

摘要：LlamaIndex推出Extract V2.6的Max Effort模式，旨在为复杂文档提供最高质量的抽取结果，同时降低数据缺失或错误的风险。该模式采用基于计算量的可变计费方式，在ExtractBench Pro测试中，Value F1得分从标准Agentic Plus的77.7%提升至92.9%。尽管Max Effort模式增加了计算成本，但在处理高难度文档时提供了更优的权衡方案。

---

核心突破

LlamaIndex近日发布了Extract V2.6的Max Effort模式，该模式旨在为复杂文档提供更优质的抽取结果。Max Effort模式通过以下方式实现了这一目标：

1. 可变计费机制：根据抽取所需的计算量进行计费，而非采用固定价格。这使得在处理高难度文档时，可以投入更多计算资源以提升抽取质量。

2. 性能提升：在ExtractBench Pro测试中，Max Effort模式将Value F1得分从标准Agentic Plus的77.7%提升至92.9%。这表明该模式在处理复杂文档时具有显著优势。

3. 应用场景：Max Effort模式特别适用于处理包含视觉图表、自定义术语、关系图和长文本等高难度元素的文档。例如，在处理长文本和视觉图表时，Max Effort模式能够提供更高的抽取精度。

技术机制剖析

Max Effort模式的核心在于其基于计算量的可变计费机制。具体来说，该模式会根据文档的复杂程度和抽取所需的计算量动态调整计费。例如，在处理包含高分辨率图表的PDF文档时，模型会提高图像分辨率以确保关键数据清晰可见，从而提升抽取精度。

此外，Max Effort模式还采用了更高级的抽取技术，如对特定区域的精细处理和上下文感知分析。这些技术使得模型能够更好地理解文档结构，并提取出更准确的信息。

工程权衡与实测表现

虽然Max Effort模式在抽取质量上取得了显著提升，但也带来了更高的计算成本。根据LlamaIndex的测试结果，Max Effort模式的每页平均成本为39.4美分，而标准Agentic Plus模式仅为7.5美分。因此，用户需要根据具体需求和预算权衡使用该模式。

在ExtractBench Pro测试中，Max Effort模式在处理长文本和视觉图表等高难度文档时表现尤为突出。例如，在处理长文本时，Max Effort模式的Value F1得分达到了98.4%，而标准模式仅为12.7%。

开发者落地与部署建议

对于需要处理复杂文档的应用场景，开发者可以考虑采用Max Effort模式以提升抽取质量。以下是一些建议：

1. 评估需求：在决定使用Max Effort模式之前，开发者应评估其应用场景对抽取质量的要求，以及是否愿意承担更高的计算成本。

2. 分阶段实施：可以先在关键任务中试用Max Effort模式，并根据实际效果逐步推广。

3. 优化配置：根据文档类型和抽取需求，动态调整Max Effort模式的配置，以实现最佳的性能和成本平衡。

总结

LlamaIndex的Extract V2.6 Max Effort模式为复杂文档抽取提供了一种新的解决方案。尽管其计算成本较高，但在处理高难度文档时具有显著优势。开发者应根据具体需求和预算，权衡使用该模式以提升应用的整体质量。

---

消息来源：LlamaIndex Blog (2026-10-30)

—— 完 ——

主题标签： #LlamaIndex 关注 #Extract 关注 #智能抽取 关注 #复杂文档处理 关注 #AI工具 关注