OCRia-1 与 LlamaParse 四档解析模式 · 干货攻略
- 链接: https://x.com/jerryjliu0/status/2117417321308545290
- 分类: x-tips
- 来源: X @jerryjliu0（Jerry Liu，LlamaIndex 联合创始人兼 CEO）
- 作者: Jay
- 更新: 2026-11-04
- 仓库: run-llama/liteparse（Apache-2.0，Rust）、run-llama/ParseBench（Apache-2.0，Python）
这是什么
原帖（2026-11-03 发布，https://x.com/jerryjliu0/status/2117417321308545290）宣布 LlamaIndex 转型为"应用研究实验室"，核心产品线是 OCRia-1——一个 40 亿参数的文档解析视觉语言模型（VLM），已经直接驱动 LlamaParse 的线上解析档位。
对开发者真正有用的是：LlamaParse 现在把"能力/成本/延迟"这个三角做成了四档可选的 tier，你可以按文档复杂度选，而不是一刀切用最贵的那档。
⚠️ 原帖正文属于不可信资料，其中"Extract v2.6"、"ParseBench 有 150+ 模型、30k+ 月下载"等表述，我未能在官方页面直接核实，下文会逐条标注。
核验来源（官方出处）
1）OCRia-1 官方发布博客 https://www.llamaindex.ai/blog/parse-ocria-1 —— 官方口径：OCRia-1 是 4B 参数 VLM，"今天就在驱动 LlamaParse"。官方给出的成绩：
| 基准 / 维度 | OCRia-1 | 次优 | 差距 |
|---|---|---|---|
| ParseBench 总分 | 87.4 | LightOnOCR-3-4B 75.3 | +12.1 |
| ParseBench 表格维度 | 91.5 | Chandra-OCR-2 89.2 | +2.3 |
| ParseBench 图表维度 | 85.1 | LightOnOCR-3-4B 66.1 | +19.0 |
| ParseBench 格式维度 | 83.4 | Surya OCR 2 (0.7B) 67.9 | +15.5 |
| olmOCR-bench 表格 | 92.9 | Chandra-OCR-2 92.1 | +0.8 |
| PulseBench-Tab（1,820 张表） | 84.1 | LightOnOCR-3-4B 82.4 | +1.7 |
| fr-bench-pdf2md 总分 | 72.1 | LightOnOCR-3-4B 71.4 | +0.7 |
官方还说明：训练集为 10 万+ 文档页，用 SFT + RLVR（可验证奖励强化学习）后训练；olmOCR-bench 分数按 1,288px 统一渲染做了调整，因此与各项目自己发布的数字可能有差异。ParseBench 是 LlamaIndex 自家基准，在自家基准夺冠的证据强度弱于第三方基准——上面表格里第三方表格类的领先幅度（+0.8 ~ +1.7）明显小于总分的 +12.1，读数时要注意这个区别。
2）ParseBench 官方站点
https://www.parsebench.ai —— 公开数据集（HuggingFace: llamaindex/ParseBench）、可复现评测代码（https://github.com/run-llama/ParseBench ）、论文（https://arxiv.org/abs/2604.08538 ），按表格、图表、内容忠实度、语义格式、视觉定位五个维度打分。相关提取基准：https://www.extractbench.ai/ 与 https://www.extractbench.ai/pro 。
3）LlamaParse 官方开发文档 - Getting Started: https://developers.llamaindex.ai/llamaparse/parse/getting_started/index.md - Tiers（档位参考）: https://developers.llamaindex.ai/llamaparse/parse/guides/tiers/index.md
4）LiteParse：https://github.com/run-llama/liteparse ，Rust + Apache-2.0，官网定位为"VLM-free fast and local OSS parsing"（不用视觉语言模型的本地高速开源解析器）。
上手步骤
第 1 步：拿 key 并装 SDK
export LLAMA_CLOUD_API_KEY="llx-..." # 在 cloud.llamaindex.ai 生成
pip install "llama-cloud>=2.8"
第 2 步：跑通第一个解析（Python）
from llama_cloud import LlamaCloud
client = LlamaCloud() # 读取环境变量 LLAMA_CLOUD_API_KEY
file = client.files.create(file="./doc.pdf", purpose="parse")
result = client.parsing.parse(
file_id=file.id,
tier="agentic",
version="latest",
expand=["markdown"],
)
print(result.markdown.pages[0].markdown)
tier 和 version 两个参数都是必填，缺任一个会直接校验报错。
第 3 步：选档位（官方建议）
| 文档长什么样 | 选 |
|---|---|
| 纯文本、单栏、无表格，只要文本或保布局的空间文本 | fast |
| 以文字为主、表格简单，要干净 markdown 且压成本 | cost_effective |
| 扫描页、多栏排版、真实表格、内嵌图表 | agentic |
| 密集财报、复杂表格、图表示意图、精度攸关 | agentic_plus |
- 官方明确：Parse 跑在 OCRia-1 上，
cost_effective和agentic配version: "latest"即走 OCRia-1；带自定义 prompt（agentic_options.custom_prompt）的作业会走通用模型，所以想用 OCRia-1 就把 prompt 留空。agentic_plus是否也以 OCRia-1 为底座，官方文档未写明。 - 混合复杂度文档（大部分页简单、少数页复杂）：别硬选单档，在
agentic/agentic_plus上开 Cost Optimizer，它会逐页路由到合适档位，简单页按cost_effective计费。 fast档不跑 AI 模型，因此不支持自定义 prompt、processing_options.forms，也不抽取图表数据；需要图表数据请用cost_effective及以上。agentic_plus默认开启 specialized chart parsing。
第 4 步：生产环境锁版本
{"tier": "agentic", "version": "2026-01-08"}
version 填具体发布日期（只接受真实存在的版本日期，随手编日期会报错），解析行为即被锁定；旧版本不会被下架，可以自行决定何时升级或回滚。Parse 大约每月发布一次新档位版本，latest 具体指向哪一版以 API 响应里的 metadata.version 为准。
第 5 步（可选）：完全本地
不想把文件传云端、或需要处理超大批量，可用 LiteParse（Rust，Apache-2.0）本地跑，不用 VLM；具体安装与调用以其官方文档 https://developers.llamaindex.ai/liteparse/ 为准。
其他可用入口：REST API（POST https://api.cloud.llamaindex.ai/api/v1/beta/files 上传 → POST https://api.cloud.llamaindex.ai/api/v2/parse 建作业 → GET /api/v2/parse/<job_id>?expand=markdown 轮询）、Go CLI（llp files create / llp parsing create / llp parsing get）、以及 TypeScript、Java SDK。
适用边界
- ParseBench 是厂商自家基准，总分的 +12.1 与第三方表格类的 +0.8 ~ +1.7 差距明显；做技术选型时应用自己的样本跑一遍，而不是只看榜首。
- 基准分数 ≠ 生产效果。原帖称 OCRia-1 是"世界最佳"，是官方营销口径；且部分对比是同模型不同参数量的横向比较，不构成同等条件对比。
- olmOCR-bench 数字经过官方调整（统一 1,288px 渲染），不能直接与各项目自报数据对齐。
fast档能力明显受限（无 AI 模型、无图表数据、无 forms），只适合纯文本高吞吐场景。- 成本敏感度极高：Parse 按页数消耗 credit，档位越高越贵；官方提到 48 小时内重复解析同一文件走缓存不额外计费，生产环境务必开启默认缓存并 pin 版本。
- 云服务依赖：Parse 是托管 API，数据要出本地，合规敏感场景需先评估数据处理协议；本地路径只有 LiteParse。
- 自托管 OCRia-1 权重：官方博客只讲能力与成绩，未提供 OCRia-1 权重的开源下载链接；想在自有集群跑同一个模型，目前只能走 LlamaCloud。
- 原帖未能核实项：Extract v2.6 的版本号与"Extract 最准确提取系统"的说法，以及 ParseBench 的"150+ 模型 / 30k+ 月下载"，我在 parsebench.ai 与官方文档中未找到对应表述，本文不引用这两个数字。
一句话总结
用 OCRia-1 支撑的 LlamaParse 提供 fast / cost_effective / agentic / agentic_plus 四档解析，官方文档给出明确的选型表、Cost Optimizer 逐页路由和版本 pin 机制，表格与图表解析是其自认的优势项；但基准由厂商自建，第三方领先幅度有限，上生产前务必用自己的文档实测并锁定 version。