正在加载，请稍候
2026-10-07 LlamaIndex 上线 OpenDocRouter，把 10 个解析模型收进一个 /v1/parse。本文用官方数据拆每千页成本（$0.80–$48.82，差 61 倍），给三档场景选型、三条路由策略及其失败模式，以及解析层验收口径。
LlamaIndex 在 2026 年 10 月 7 日上线 OpenDocRouter，把 10 个解析模型收进一个 /v1/parse 接口。文档解析选型，从此从「挑模型」变成「算每千页成本」。
结论先给：解析层不该再按「哪个模型最强」来选，而该按「页面类型 → 成本档 → 可替换性」来选。下面用官方公布的数据把账算一遍，并给三条能直接落地的路由策略。
把 PDF 变成 markdown，看上去只是摄入管道最前面的一小步，但它决定了后面所有环节的上限。解析阶段产生的误差有三类，且都会一路传到召回：
这三类误差的共同点是：在解析层只要花一次成本就能避免，进了向量库之后几乎无法低成本修复。这就是它被称为「第一笔沉没成本」的原因——你后面买多少算力做重排、多少预算做人工复核，很大程度都是在为解析层的省事买单。
这套平台的定价是纯 token 计费，开启 layout 额外 +$0.2 / 百万 token，失败页不计费。下表是发布当天（2026-10-07）官方博客公布的每千页成本，按 ParseBench 跑出来的：
| 解析器 | 类型 | Input $/1M | Cached $/1M | Output $/1M | 每千页 |
|---|---|---|---|---|---|
| Claude Opus 5.5 | 前沿 | 4.00 | 0.20 | 20.00 | $48.82 |
| GPT-5.6 Terra | 前沿 | 2.00 | 0.20 | 12.00 | $19.89 |
| Gemini 3 Flash | 前沿 | 0.50 | 0.05 | 3.00 | $19.67 |
| Gemini 3.8 Flash | 前沿 | 0.75 | 0.08 | 3.75 | $5.91 |
| GPT-6 Luna | 前沿 | 0.10 | 0.01 | 0.50 | $0.80 |
| Infinity-Parser2-Flash | 开源 | 0.24 | — | 1.16 | $4.34 |
| dots.mocr | 开源 | 0.31 | — | 1.53 | $3.97 |
| TeleOCR | 开源 | 0.25 | — | 1.22 | $2.70 |
| PaddleOCR-VL-1.6 | 开源 | 0.24 | — | 1.20 | $2.17 |
| MinerU2.5-Pro | 开源 | 0.08 | — | 0.39 | $0.86 |
最贵的与最便宜的差 61 倍（$48.82 对 $0.80）。这里要划一条线：单价不等于质量分。质量排序请直接看 ParseBench 官方榜单——它会随模型更新，本文只搬成本，不搬结论。真正要做的，是按页面类型分档：
| 场景 | 判据 | 成本档 | 可用模型带 |
|---|---|---|---|
| 有版面框选需求（合同、表单、密集表格） | 需要 bounding box 与阅读顺序，错一格就影响下游字段 | 高：$5.91 – $48.82 | Claude Opus 5.5 / GPT-5.6 Terra / Gemini 3.8 Flash |
| 纯文本（数字排版 PDF、论文、手册） | 版式规整、表格少、无手写 | 低：$0.80 – $0.86 | MinerU2.5-Pro / GPT-6 Luna |
| 混合扫描（扫描件与数字页混排） | 同一文档里既有清晰文本页又有低质扫描页 | 中：$2.17 – $4.34 | PaddleOCR-VL-1.6 / TeleOCR / Infinity-Parser2-Flash / dots.mocr |
做框选时别忽略一个细节：并不是所有模型原生产出 bounding box，有些要靠提示词引导，有些根本做不到。官方的做法是叠一层 grounding 引擎，请求里设 layout: true 就统一输出带坐标的 markdown，并把版面类收敛成同一套（title / section_header / text / list_item / table / picture / chart / formula / caption / footnote / page_header / page_footer / code / form / key_value）。这意味着你换模型时，下游解析版面结构的代码不用改——这就是「可替换性」的具体价值。
该 API 支持按页处理，每页独立计费、失败页免费重试，也可以指定 pages 跳过已解析页。这为路由留出了空间，但每条策略都有代价。
先用便宜模型对每页做一次轻量判断（纯文本 / 扫描 / 表格密集），再决定该页交给哪个模型解析。省钱的逻辑是「贵的那档只处理真正需要的页」。失败模式：页型判错的页会静默降质——没有报错、没有告警，问题只在召回阶段才以「答非所问」的形式暴露，排查成本远高于省下的费用。
给每份文档或每天设 token 预算，逼近上限就自动换到更便宜的档。失败模式：降级往往发生在文档中途，结果同一份文档里出现两种质量——前半部分的表格有结构，后半部分变成一行行纯文本。索引里出现这种「半结构化」文档，比整篇都差更难处理。
关键文档用两个不同模型各跑一遍，比对版面结构与字段差异，超过阈值才转人工。失败模式：成本直接翻倍；更麻烦的是「两个结果一致」不等于「对」——它们可能犯同一个错，抽检比例设低了等于没抽。
把某个模型 id 直接写死在摄入管道里，是很多团队踩过的坑。它的问题不是「选错了」，而是换模型的代价被放大了：模型升级、供应商调价、某天质量问题暴露，你面对的都不是「改一行配置」，而是「重跑全量索引」——解析结果变了，分块变了，embedding 全变了，权限映射、引用锚点、缓存全部要重建。
可操作的解法，是把解析层做成有版本的产物，而不是管道里的一步：
raw_file、parser_model_id、parser_version 与 parsed_at；这类统一 API 的价值正在于此：模型 id 变成一个可配置的路由参数，而不是埋在代码里的常量。它也提供同步与异步两种返回方式——同步适合 50 页以内的请求，异步则轮询作业，单请求上限 500 页或 50MB，适合批量摄入。
不要用「看起来还行」验收解析层。建议只盯三个指标：
举个算例：假设一个 1 万页的合同库，其中 20% 的页需要精确框选、其余是纯文本。全量走 Claude Opus 5.5 约 $488；改成「贵的那档只跑那 2000 页 + 其余走 MinerU2.5-Pro」，约 $104，省掉近八成——但这个省法成立的前提，是页型路由的准确率足够高，也就是策略一的那个失败模式没有发生。所以顺序是：先做字段级准确率基线，再谈路由省钱。
OpenDocRouter 和 LlamaParse 有什么区别？
前者的定位是「快速托管最新模型 + 让你在模型之间切换和路由」，按用量计费；LlamaParse 是托管文档平台，带手工调优的档位、企业控制、自托管部署，以及 schema 抽取与索引等额外接口。一个解决「选哪个模型」，一个解决「企业内怎么合规地跑」。
每千页花费从 $0.80 到 $48.82，差 61 倍，贵在哪里？
差在输出 token 的单价与每页的 token 消耗。前沿模型按 provider 原价透传，输出单价高；开源模型走托管推理价格，量级低一档。贵的那档通常用在需要精确框选、复杂表格与跨页推理的页面上，不要全量上。
扫描件 OCR 选型该看什么？
先看你的扫描件质量分布，再看候选是否原生产出 bounding box。PaddleOCR-VL-1.6 与 MinerU2.5-Pro 都在这次的开源带里，属于中等花费档；具体在中文与繁体扫描件上的表现，请以 ParseBench 上你自己的真实文档集为准，不要用别人的均值替代自己的验收。
解析失败的页会收费吗？
不会。失败页不计费，并支持只重试失败页、跳过已解析页——这让你可以放心用「先跑一遍看失败率」的方式做迁移。
这篇文章为什么只讲解析层？
因为解析、向量化、权限过滤、多模态检索是四件独立的事。本文只谈解析层：怎么选、怎么算花费、怎么路由、怎么验收。向量索引与权限过滤属于另外两层，我们在 企业知识库 AI 检索架构进化：从玩具 RAG 到 Retrieval Harness 的工程化跃迁 与 企业知识库 AI 的三代演进：从 RAG 到 Agent 原生记忆系统 里单独拆过，不在这里重复。