LlamaIndex 推出 OpenDocRouter，统一调用多家文档解析模型

OCR 模型有很多，而且每周都有更多新模型发布。在 HuggingFace 上快速搜索“ocr”就能看到成千上万个已发布的模型。此外，前沿实验室几乎每个月都在推出新模型，它们也能很好地读取文档（尽管有时价格不菲）。使用这些模型进行文档解析通常需要相同的几个步骤：设计提示词（如果适用）、处理速率限制、管理部署及相关成本，以及在新模型发布时对其进行基准测试。

这正是我们 LlamaIndex 团队特别擅长的事情，今天我们推出 OpenDocRouter，以此来分享这项工作。

什么是 OpenDocRouter？

OpenDocRouter 是一个使用最新开源和前沿模型进行文档 → markdown 解析的平台。每个模型运行一个版本化的配方，包含提示词、处理和设置。使用该 API 非常简单：

curl https://https://www.opendocrouter.ai/v1/parse \
  -H "Authorization: Bearer$API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "opendatalab/mineru2.5-pro",
    "document": { "url": "https://arxiv.org/pdf/1706.03762" },
    "layout": true
  }'

该 API 接受 PDF、PNG、JPEG 或指向这些文件格式的 URL。该 API 允许你在同步响应（直接返回结果）和异步响应（创建一个需要轮询的任务）之间切换。同步响应最多支持 50 页。请求可以处理最多 500 页或 50MB 的输入。

每个模型都在ParseBench上进行基准测试，涵盖质量和成本两方面。在发布时，我们选择了一组覆盖我们基准测试各个角落的模型：

1. 前沿模型：Claude Opus 5.5、Gemini 3 Flash、Gemini 3.8 Flash、GPT-5.6 Terra、GPT-6 Luna。
2. 开源模型：Infinity-Parser2-Flash、MinerU2.5-Pro、TeleOCR、dots.mocr、PaddleOCR-VL-1.6

边界框和布局

每个模型对边界框和布局的保证各不相同。有些模型原生输出边界框，有些需要提示词，还有些完全做不到。

为了弥补这一差距，我们构建了一个可以应用于任何模型的 grounding 引擎。设置layout: True在你的请求中，生成带有 grounded bounding boxes 和按阅读顺序排列的布局元素的 markdown。这也意味着所有模型都会产生相同的布局类别：title、section_header、text、list_item、table、picture、chart、formula、caption、footnote、page_header、page_footer、code、form、key_value。

定价

OpenDocRouter 上线时采用纯基于 token 的计费方式，而且相当简单直接。创建账户，从 $25 起充值额度，然后开始解析。启用布局会额外增加每百万 token $0.2，如果处理过程中任何页面失败，则不会收费。

截至 2026 年 10 月 7 日，我们的定价如下：

添加新模型

当我们可以提供的新模型发布时，我们有相应流程将它们快速添加到 OpenDocRouter。我们会让它们跑一遍ParseBench，并以此校准提示词、成本和其他设置，从而尽可能提供最佳用户体验。

我们还计划持续改进最受欢迎的模型：无论是通过更好的提示词、更好的托管以降低延迟，还是更多其他方式。

OpenDocRouter 与 LlamaParse 对比

我们将 OpenDocRouter 视为一个快速托管最新模型的平台，同时让开发者能够轻松在现有模型之间切换和路由，并且只为实际使用量付费。该 API 本身易于使用，同时提供对模型的广泛访问。

LlamaParse 是我们的托管文档平台。它附带手工调优的解析层级、企业级控制、自托管部署，以及 schema 提取和索引等其他 API。

立即试用 OpenDocRouter

OpenDocRouter 现已上线，可供试用。浏览模型和文档，注册并生成 API key，今天就解析你的文档。

• OpenDocRouter 主页
• 文档
• 可用模型 + 基准测试