Reducto r-1：单次完成文档解析，错误率降 20%

上周，Redcto 发布了 r-1。这是基于全新重写架构构建的新一代解析模型系列中的首个模型，它将公司的多阶段 Agentic OCR 替换为一次全页扫描。Redcto 表示，r-1 比其最强大的传统 Agentic 模型更准确、更快，且成本降低至多 6 倍。

现在可以部署了吗？可以，目前处于预览阶段。r-1 通过 Redcto 托管在 V3 上的 Parse API 运行，通过配置标志启用。没有开放权重，也没有本地检查点可供自托管。Redcto 的平台还支持多租户云、客户 VPC、私有部署和气隙隔离安装，并通过了 SOC 2 Type II 认证，较高级别套餐支持 HIPAA 处理。

一次扫描替代管道

传统 Parse 将 OCR、布局检测和后处理作为独立阶段运行，并在此基础上可选地叠加 Agentic 视觉语言处理。每增加一个模型调用都会增加延迟。r-1 将文本、表格、图形、布局、阅读顺序、格式化和定位整合为一次全页扫描。每个块都返回页面相对边界框，将内容与其在页面上的位置关联起来。

真正的产品主张在于这种整合。处理财务报表、保险理赔或合同的团队通常会将文件分发到多个提供商，并附加后处理以达到可用的准确性。r-1 的目标是降低这种编排成本，而不仅仅是提高原始字符准确性。

Redcto 报告称，在其传统 Agentic 管道的早期预览中，r-1 的错误率降低了 20%。该公司还表示，在内部评估中，r-1 在复杂文档上的表现优于常用的大型云服务产品和大语言模型。Amazon Textract 和 Azure Document Intelligence 在发布中被列为同类主流产品。

在价格方面，传统 Agentic 模型根据工作负载的不同，每页收费 3 到 6 美分。r-1 的价格为每页 1 美分，全包价，没有功能倍数或积分成本来达到高准确性。Redcto 将此定位为其更广泛的扁平产品费率方案的一部分。

请注意，20% 的错误率降低是相对于 Redcto 自身之前的管道而言，而非与第三方基准的对比。r-1 与大型云服务商和大语言模型的对比评测由 Redcto 自行进行，发布时未附带公开的评测框架或数据集。

r-1 在页面上的处理能力

根据文档，r-1 在全页扫描中原生处理以下内容：数字文本、扫描件和手写内容；结合周围页面上下文读取表格结构，包括合并单元格和嵌套表头；共同解析多栏、页眉、页脚、侧边栏和阅读顺序；检测图形并生成简短描述；保留有意义的格式，包括标题、列表、粗体、下划线和删除线；以及通过页面相对边界框进行定位。

Redcto 提到的长尾情况包括密集表格、异常布局、低质量扫描、水印内容以及无固定模板的文档。遗漏删除线可能会颠覆合同条款，误读表格可能会给 Agent 提供错误的数字，这就是为什么这些边缘情况在受监管的管道中很重要。

迁移路径与旧架构的保留部分

r-1 需要 V3 API。省略 settings.model 的 Parse 请求仍会运行传统 Parse，因此不会无声地破坏任何内容。Studio 中创建的新管道默认使用 r-1。

result = client.parse.run(
    input=upload.file_id,
    settings={"model": "r-1"}
)

Agentic 处理并未消失。需要自定义 Prompt 或高级图表提取的工作流仍会将这些页面路由到 Agentic 管道，Redcto 会将其增强结果叠加到 r-1 的结果上，这会增加延迟。迁移现有配置的团队应首先查看 r-1 配置兼容性页面，因为某些传统设置会被忽略或不支持。

Redcto 还透露了接下来的两个方向：面向速度和成本敏感型工作负载的 r-1 mini，以及自动为每页选择合适模型的路由功能。从其他解析器迁移的组织可申请最多 $5,000 的积分用于并行对比测试。

• r-1 将 OCR、布局、表格、格式化和定位整合为一次全页扫描
• r-1 报告其错误率相比自身传统 Agentic 管道降低 20%
• 定价从每页 3-6 美分降至统一的 1 美分全包价
• 通过 V3 Parse API 使用 settings.model: "r-1" 预览，无开放权重

查看 Redcto 博客、Parse r-1 文档和 X 上的公告。另外，请记得关注我们的 Twitter 并加入我们的 15 万 + ML SubReddit，订阅我们的新闻通讯。等一下，你用电报吗？现在你也可以加入我们了！

需要与我们合作推广您的 GitHub 仓库或 Hugging Face 页面或产品发布或网络研讨会吗？联系我们吧。

Asif Razzaq 是 Marktechpost Media Inc. 的 CEO。作为一位有远见的企业家和工程师，Asif 致力于将人工智能的潜力用于社会公益。他最新的项目是推出了一个人工智能媒体平台 Marktechpost，该平台专注于机器学习和深度学习新闻的深入报道，技术性强且易于被广泛受众理解。该平台每月浏览量超过 200 万次，展示了其在受众中的受欢迎程度。