别被总分忽悠了:14 个文档解析引擎横评与选型分流避坑指南

LlamaIndex 的 Jerry Liu 10 月 10 日发文，说 Mistral OCR 接进了自家的 OpenDocRouter ，他给的评价是「 For its price, it is decent over tables and reading order 」，外加一句 p50 每页 1.8 秒。 decent 这个词最误导：它不给分数。更要命的是 reading order——它在评测里连单独的分项都没有。

我把 OpenDocRouter 的公开接口拉了下来， 14 个模型的五分项、价格、延迟全在里面。 Mistral OCR 4.1 的读数是：表格 85.40 ，图表 1.51 ，总分 62.22 ， p50 0.5 秒，每千页 4 美元。

一个 API 后面站了 14 个引擎

OpenDocRouter 是 LlamaIndex 10 月 7 日发布的文档解析路由：同一个请求，换 model 字段就换引擎，返回格式不变。每个模型跑一份带版本号的 recipe——提示词、处理步骤、参数打包在一起，输出一变，版本号就变。

质量口径统一到 ParseBench ，五个分项： Tables 、 Charts 、 Faithfulness 、 Formatting 、 Grounding ，总分是五项的均值。计费按 token 走，哪页失败哪页不收钱。整个价格带从每千页 0.86 美元到 48.82 美元，差 56 倍。 LlamaIndex 自家的托管产品 LlamaParse 也在 ParseBench 榜上单列，那是另一条产品线。

页面级账单是这套接口里最容易被低估的部分。一份 300 页的 PDF ，每页都是独立的模型调用，各带自己的状态、 token 用量和费用；哪页失败哪页重试，平台先自动重试一次，之后按页补跑、按页计钱。同步接口最多 50 页，更大的文档走异步，上限 500 页或 50MB ；缓存开关打开后，同一页 24 小时内重复请求免费。对批量入库的流水线，失败重跑的粒度从整卷缩到单页，这笔账比单价更影响日常开销。

过去选 OCR 引擎是问「哪家强」，这套接口逼着你换一个问题：哪类文档用哪个引擎。

表格：中上，但不是性价比第一

2026-10-11 抓取的 /v1/models （ price_version 2026-10-06 ），关键几行：

表格 85.40 是什么位置：压过 GPT-6 Luna 和全部开源模型，够不着 Opus 5.5 和 Gemini 3 Flash 。而 Haiku 5.5 摆在旁边就扎眼：表格 87.25 比它还高，每千页 1.22 美元只有它的三成。单论表格这一项， Mistral 算不上性价比答案。

它真正的长板在 Faithfulness ： 89.23 ，跟 Gemini 3 Flash 的 89.15 同一档，离 Opus 5.5 的 91.03 也不远。输出忠于原文的程度，对下游 RAG 比总分实在。

阅读顺序：没有分数的那部分

ParseBench 五个分项里没有 reading order 。它实际靠两层兜着。第一层是模型自己： Mistral OCR 4.1 原生输出段落级 bounding box 、结构块标签和块级置信分。第二层是平台：请求带 layout:true ， grounding engine 对任意模型统一产出按阅读顺序排好的边框和 15 类版面元素： title 、 section_header 、 table 、 formula 、 footnote 都在里面。 Grounding 分项 Mistral 75.18 ， Opus 5.5 78.52 ，差距不大。

单页之内基本干净。跨页是另一回事：逐页独立推理意味着第 8 页的续表不知道自己承接第 7 页那张表，重复页眉、跨页脚注同理。海外社区有开发者在回复里追问的正是这件事——它到底跨页重建，还是逐页各扫各的。榜单上没有答案，我也不敢替它打包票，只能说是自己的文档就必须自己测这一项。

p50 1.8 秒，另一个口径是 0.5 秒

p50 是中位数，一半页面比它快。推文说 1.8 秒，我抓接口时显示 p50 0.5 秒、 p90 2.7 秒。两个数不打架：平台上的延迟是实时测量的，数值会随时间走， LlamaIndex 的工程师在回复里确认过这一点，尾部页面的 p90 也只有 2.7 秒。回复区还有一个没被正面回答的问题：这个 p50 是一页一页串行测的，还是带并发压出来的。口径不同，整卷等待能差一个量级，先记进观察清单。

换成整卷文档的感觉： p50 1.8 秒， 100 页串行约 3 分钟； Gemini 3 Flash 的 p50 是 15.8 秒，同一批要 26 分钟。真实等待还得叠上并发：账户上限 10 并发（其中 5 个异步）、每页超时 270 秒，所以是几倍关系，不是精确乘法。

总分会骗人

Mistral OCR 4.1 总分 62.22 ，在 14 个模型里靠后。拆开看，是 Charts 1.51 和 Formatting 59.77 拖下去的。只看排行榜的团队会把它判成中下游选手，可它表格单项 85.40 比总分高出 23 分，图表一项又把它拽回原地。图表 1.51 基本等于不支持。要图表就换 Annotations 版： Charts 拉到 34.76 ，总分 69.14 ，每千页 5 美元。

这也不是 Mistral 一家的病。 ParseBench 公开榜上， Azure Document Intelligence (Layout) 表格 86.0 、图表 1.6 ； Google Document AI 图表 1.4 ； AWS Textract 表格 84.6 、图表 6.0 。专用引擎和云厂的通病都是表格能打、图表归零。同一个榜上 Mistral OCR 4 （ 4.1 的前代）图表 2.4 ，带标注版 40.1 ，同一个模式。对照着看，榜首是 LlamaIndex 自家的 LlamaParse Agentic Plus ，总分 90.2 ；轻量档 Cost Effective 80.6 、每页只要 0.4 美分。托管档把调优做进自己的引擎，价格反而压得住。

什么文档走哪个引擎

顺序实际是拧着的：先看自己的文档长什么样，再去榜单上挑引擎，上来就认死一个牌子用到底，是上一代做法。按文档类型过一遍我的口径：

套两个典型场景验收一遍这套口径。审计报告，表格套表格、图表少： Mistral OCR 4.1 每页 0.5 秒，批量入库的吞吐不是问题，真正要抽测的是跨页续表那一项。券商研报，图多到每页都有：图表这块， Mistral 的 1.51 分等于这 4 美元白花， MinerU2.5-Pro 或 Gemini 3 Flash 才是对口选项。文档类型先分流，模型选择才有意义。

四条边界压在所有结论上面。 ParseBench 是 LlamaIndex 自家跑的 benchmark ，只能当下单前的 shortlist ；每千页价格按它的测试文档折算，你的页面密度不同，账就不同； recipe 一升级，上面所有数字都可能变；企业侧还要多想一步，走这个路由意味着文档先经过 LlamaIndex 的服务再到上游模型，合规评估得把留存、加密、子处理方过一遍，好在缓存默认关闭，开启后也只加密保留 24 小时。所以我的定稿动作是：挑两个候选，抽自己 50-100 页真实文档（最丑的扫描件也放进去）实测，跨页表格的文档，这项必须测。

同一天， Jerry Liu 还发了另一条：转了教皇 Leo XIV 关于记忆与经验的帖文，写了句 long live RAG 。解析层卷到头，还是在给检索备料。本文所有数字都标了抓取时间，下次换引擎之前，重新拉一遍接口就行。