产品发布|Qinova清萃:复杂文档进入AI体系的入口2B视觉语言端到端模型｜典型场景字段抽取准确率99.2%｜响应＜3秒/页｜最长支持500页｜5分钟接入工作中，最不缺的就是文档。合同躺在邮箱里，发票散在群聊里，扫描件压在共享盘里——保单、票据、证件、病历、财报，每天不断地涌入，堆积成山。
真正吞噬效率的，不只是文件太多，而是每一份文件都要走一遍同样的流程：
有人打开，有人阅读，有人找字段，有人复制，有人核对，最后再有人录入系统。
一份两份还好，上百份、上万份呢？人工处理慢，传统解析工具又常常只认识字，不理解文档——表单错位、印章遮挡、手写潦草、扫描模糊，任何一个变量都可能让自动化流程卡壳。
办公智能的First things first，不是把纸扫描成PDF，而是把扫描件、照片和复杂表单，真正变成业务系统能读懂、能调用、能计算的数据；是把合同、财务、合规、保险、医疗、物流等这些大量沉睡着的非结构化数据，稳定地、丝滑地送入大模型，接入Agent工作流。
今天，Qinova清萃解决了这层数据输入问题，把结构上比较“脏”的数据变成系统可执行资产。
清萃不仅是识别文档内容，更是通过VL模型将格式各异的复杂文档无损处理、标准输出，为模型下一步推理、Agent调用铺平道路。它是面向真实业务系统的文档结构化抽取API，由我们全栈自研的Qinova视觉语言端到端文档理解模型驱动，目标是让文档数据自动流进企业的审核、风控、财务、理赔、合同和档案系统。▸ 定位二维码、照片、印章、签名、指纹等特殊要素；▸ 将结果送入下游系统，支撑审核、汇总、归档、风控与报表生成。目前，清萃已上线分类（classify）与抽取（extract）两大原子能力，定位、印章、签名、规则校验等更多模块也在规划中。每个能力既可独立调用，也能按需串联成专属的文档处理管线。这意味着，企业不必一次性采购一套沉重、复杂、难以改造的大系统。要抽字段，就调用extract；要先识别文档类型，就加上classify；后续还可以按业务需要扩展坐标定位、印章识别、签名检测与结果校验等。原子能力、自由组合、按需调用、持续扩展，这才是企业级AI应有的接入方式。文档进来 → 人工阅读 → 人工找字段 → 人工录入 → 人工复核文档进来 → 自动分类 → 模型抽取 → JSON输出 → 系统流转 → 人工只复核关键项清萃先接管最耗时、最机械、最容易出错的文档到数据环节，把时间还给判断、决策与服务：财务：发票、报销单、付款凭证自动抽取金额、日期、税号与明细，直接进入报销审核流程；办公：证件、表单、历史档案自动识别、分类与整理，为查询、审批和知识库建设打基础。法务合规：合同、证照、审批材料转化为可检索、可比对、可追溯的结构化信息；金融机构：开户资料、财报、票据批量解析，让风控和运营系统获得更高质量的数据输入；比如保险公司的保单、事故现场照片、处方病历等理赔材料快速抽取为字段化数据，为核保、理赔与风控提供数据底座；清萃的任务管线覆盖200+种文档，保存后可重复运行，支持批量处理，一次配置，长期复用。清萃的文档理解能力来自Qinova全栈自研的模型底座Qinova-VL-2.0。2B参数，让"精度、速度、泛化性"同时实现的视觉语言端到端模型。
PDF、扫描件、手写件、照片、表单混排等200+种，单文件最大50MBQinova清萃已实现了在企业真实业务中批量高频、稳定可信地处理复杂文档。
不只是读取文字，还理解标题、正文、表格、段落、字段与页面区域之间的关系。知道"型号"和"责任条款"出现在哪里，更知道它们在当前文档中分别代表什么业务含义。面向真实办公中的复杂材料，处理印章覆盖、手写内容、非标准表格和图文混排等难题。支持多语言材料中的字段理解，为跨境业务、多语种证照和国际化文档处理提供基础。Qinova清萃输出的是能直接进入系统的结构化数据。"invoice_no": {"type": "string"}, "amount": {"type": "number"}, "status": {"enum": ["paid", "pending"]}模型便按Schema返回字段结果——Schema即配置：开发人员无需学习新的专属DSL，用标准JSON Schema就能定义要抽取的业务字段，任何主流语言都可以直接接入。输出结果还附带原文坐标、置信区间、分析总结，让数据可检验、可追溯。传统方案是"OCR识别＋规则模板＋NLP后处理"的多级流水线，版式一变、印章一盖，规则就可能失效。Qinova清萃直接基于视觉特征完成语义映射，一步到位理解文本版式，对模糊、残缺、倾斜、变形字符有天然鲁棒性。统一的视觉语言编码器结合位置编码与版面先验，让模型天然知道"这个潦草的笔迹是签名""这个数字属于上面的单元格"，同时，所有输出（文本、Markdown、图表数据、类别etc.）都为结构化数据。在企业办公尤其是金融业务的中，"AI说是这样"远远不够。企业真正需要的是：这个结论从哪里来？对应原文哪一页、哪一行？置信度是多少？可否动态跟踪最新监管规则或产品备忘录？而清萃支持同步提供“答案”和“依据”——你可以直接说"提取所有付款条件大于100万的履约情形"，模型即返回结果并溯源坐标。大模型未必越大越好。2B参数在保持高精度的同时实现秒级响应，单卡A10即可运行，显存占用低，适合高并发与企业私有化场景。这为企业带来三重价值：推理成本更低、部署门槛更低、更便于适配企业私有环境。专项模型与通用聊天模型的本质差别在于，通用模型看起来什么都会，但企业真正关心的是——基于行业十亿级词元真实数据训练，Qinova清萃擅长复杂文档的版式泛化、理解溯源，完美解决了上述系列问题。Qinova清萃开放标准API接口，不推翻现有系统，也无承担重构成本，5分钟接入多个系统，能力模块化，按需调用，独立计费，按页付费，注册即赠送1000页免费额度。
对于大中型企业，文档智能不仅要准确，还要安全、可控、可审计。Qinova清萃提供API调用与私有化部署两种方式，适配鲲鹏、昇腾等国产芯片与信创环境，技术规格面向等保三级合规要求。企业可以灵活选择：过去，文档无法被模型理解；现在，模型能直接"看懂"文档。过去，数据沉睡在PDF和扫描件里；现在，割裂的数据可以直接统一进入系统。过去，员工把时间花在录入、查找和复制粘贴上；现在，人可以把精力留给审核、判断与决策。那么，就让Qinova清萃为您构建复杂文档进入AI体系的入口。Qinova清萃，看懂复杂版式，输出结构数据，无幻理解文档含义，提供核验依据。https://extractor.qinova.techhttps://extractor.qinova.tech/docshttps://qingyao.link/home
夜雨聆风
