BytesRouter

主题

LlamaParse 文档版本 跟随上游 源快照 872946d4 更新于 2026-10-16

Parse 提供四个档位，在成本、延迟与准确度之间做取舍。每次解析请求都要选一个档位，外加一个 version，以便行为保持可复现。本页是每个档位做什么、何时选它、以及版本化模型如何运作的权威参考。

我该选哪个档位？

把下表当作起点。你随时可以用另一个档位重新解析同一份文件 —— 切换没有额外成本。

我的文档大致是这样建议选
纯文本、单栏、无表格 —— 我只需要原始文本或保留版面的空间文本Fast
以文字为主、表格简单，需要干净的 markdown，且想控制成本Cost Effective
扫描页、多栏版式、真实表格、内嵌图表Agentic
密集的财务报告、复杂表格、图表与示意图，准确度至关重要Agentic Plus
混合 —— 多数页简单但少数复杂Agentic or Agentic Plus with Cost Optimizer 开启

复杂度混合的文档：用成本优化器

如果你的文档既有简单的纯文本页、又有几页含表格或图表的复杂页，最省钱的通常不是只选一个档位，而是在 agentic 或 agentic_plus 之上开启 成本优化器。它会逐页自动路由到合适的档位，并让两组并行运行，于是你在该花的地方拿到 premium 级质量、在简单页上按 cost_effective 计价 —— 且不牺牲延迟。

每页的 credit 开销

credit 开销随档位能力递增 —— Fast 最便宜，Agentic Plus 最贵。当前费率、批量折扣以及其他 Parse 输出选项（例如版面抽取）的价格见定价页。

缓存是免费的。 48 小时内重新解析同一文件不花任何 credit —— Parse 默认会缓存结果。需要全新解析时如何不走缓存，见缓存控制。

版本化与可复现

Parse v2 的档位是有版本的。当你为某个档位指定带日期的具体版本（例如 "agentic" 配 version="2026-01-08"），解析行为就被锁定：同样的模型、同样的提示词、同样的配置，每次如此。正是这份约定让 Parse 可以安心用于生产 —— 不会因为我们要发布新模型，你的输出就悄悄变了。

开发期用 "version": "latest" 始终拿最新的稳定发布。生产环境请固定一个已发布的版本日期。 只有对应真实发布的日期会被接受 —— 随意填的日期会返回校验错误。

{
  "tier": "agentic",
  "version": "2026-01-08"
}

当新版本发布后，何时（甚至是否）升级由你决定。我们不会破坏既有的固定版本 —— 它们在可预见的未来仍然可用，因此你可以按自己的节奏升级，也可以在新版本不合用时回退。

tier 与 version 在每次解析请求上都必填。漏掉任意一个都会返回校验错误。

可用的档位

每个档位都是「某个模型 + 提示词 + 配置」组合的一份快照。档位之间不共用模型 —— 选 agentic_plus 并不是在 agentic 之上多开几个选项，而是另一条解析流水线。

完整的 API 请求示例见快速上手 或 REST API 指南。

Agentic Plus

适合： 最难的文档 —— 密集的财务报告、含公式与插图的科研论文、复杂多栏版式，以及任何准确度至关重要的场合。

值得注意的默认值： 专门的图表解析 在这个档位默认开启 —— 无需额外配置。

{
  "tier": "agentic_plus",
  "version": "latest"
}

生产环境显式固定版本的写法：

{
  "tier": "agentic_plus",
  "version": "2026-01-08"
}

Agentic

适合： 复杂但不至于极端的文档 —— 多数含表格的真实世界 PDF、扫描页、多栏版式、图表与示意图。对需要高质量结构化输出的多数场景，这是默认推荐。

在长短不一、复杂度混合的长文档上，可与成本优化器 搭配，把简单页的每页开销降下来。

{
  "tier": "agentic",
  "version": "latest"
}

Cost Effective

适合： 以文字为主、表格简单、视觉结构很少的文档 —— 你仍想要干净的 markdown 与表格保留，但可以为了更便宜的运行舍弃最深的版面推理。

{
  "tier": "cost_effective",
  "version": "latest"
}

Fast

适合： 高量的纯文本文档，且你只需要文本与保留版面的空间文本。它是最快的档位，每页开销也最低。

限制： fast 不对页面调用任何 AI 模型，因此它不接受 agentic_options（自定义提示词及其他智能体模型控件），也不接受 processing_options.forms，还不抽取图表数据。当前的 fast 版本会返回 markdown 与 items；只有固定在 2026-06-15 之前版本的 fast 任务才是纯文本，对那种任务请求 expand=["markdown"] 会返回校验错误。若你需要图表数据、自定义提示词或表单，请用 Cost Effective 或更高档位。

{
  "tier": "fast",
  "version": "latest"
}

请求示例

先下载一份样例 PDF —— 财政服务局的 FY2024 执行摘要，存为 example_file.pdf：

终端窗口

curl -fL -o example_file.pdf https://fiscal.treasury.gov/system/files/files/reports-statements/financial-report/2024/executive-summary-2024.pdf

下面是一段完整的、体现「档位 + 版本」写法的请求：

  • Python
  • TypeScript
  • Go
  • Java
  • CLI
  • cURL
from llama_cloud import LlamaCloud

client = LlamaCloud()  # reads LLAMA_CLOUD_API_KEY from the environment

result = client.parsing.parse(
    upload_file="example_file.pdf",
    tier="agentic_plus",
    version="latest",
    expand=["markdown"],
)
import fs from "fs";
import { LlamaCloud } from "@llamaindex/llama-cloud";

const client = new LlamaCloud(); // reads LLAMA_CLOUD_API_KEY from the environment

const result = await client.parsing.parse({
  upload_file: fs.createReadStream("example_file.pdf"),
  tier: "agentic_plus",
  version: "latest",
  expand: ["markdown"],
});

SDK 没有一次性阻塞式解析，所以要先上传文件、用 Tier + Version 启动任务，再轮询：

package main

import (
  "context"
  "fmt"
  "log"
  "os"
  "time"

  llamacloud "github.com/run-llama/llama-parse-go"
)

func main() {
  ctx := context.Background()
  client := llamacloud.NewClient() // reads LLAMA_CLOUD_API_KEY from the environment

  f, err := os.Open("./example_file.pdf")
  if err != nil {
    log.Fatal(err)
  }
  defer f.Close()

  file, err := client.Files.New(ctx, llamacloud.FileNewParams{
    File:    f,
    Purpose: "parse",
  })
  if err != nil {
    log.Fatal(err)
  }

  job, err := client.Parsing.New(ctx, llamacloud.ParsingNewParams{
    FileID:  llamacloud.String(file.ID),
    Tier:    llamacloud.ParsingNewParamsTierAgenticPlus,
    Version: llamacloud.ParsingNewParamsVersionLatest,
  })
  if err != nil {
    log.Fatal(err)
  }

  // Poll until the job reaches a terminal status
  getParams := llamacloud.ParsingGetParams{Expand: []string{"markdown"}}
  result, err := client.Parsing.Get(ctx, job.ID, getParams)
  if err != nil {
    log.Fatal(err)
  }
  for result.Job.Status != "COMPLETED" && result.Job.Status != "FAILED" && result.Job.Status != "CANCELLED" {
    time.Sleep(2 * time.Second)
    result, err = client.Parsing.Get(ctx, job.ID, getParams)
    if err != nil {
      log.Fatal(err)
    }
  }

  if result.Job.Status != "COMPLETED" {
    log.Fatalf("parse ended as %s", result.Job.Status)
  }
  if len(result.Markdown.Pages) == 0 {
    log.Fatal("parse completed with no markdown pages")
  }

  fmt.Println(result.Markdown.Pages[0].Markdown)
}

SDK 没有一次性阻塞式解析，所以要先上传文件、用 tier + version 启动任务，再轮询：

import ai.llamaindex.llamacloud.client.LlamaCloudClient;
import ai.llamaindex.llamacloud.client.okhttp.LlamaCloudOkHttpClient;
import ai.llamaindex.llamacloud.models.files.FileCreateParams;
import ai.llamaindex.llamacloud.models.files.FileCreateResponse;
import ai.llamaindex.llamacloud.models.parsing.ParsingCreateParams;
import ai.llamaindex.llamacloud.models.parsing.ParsingCreateResponse;
import ai.llamaindex.llamacloud.models.parsing.ParsingGetParams;
import ai.llamaindex.llamacloud.models.parsing.ParsingGetResponse;
import java.nio.file.Paths;

public class ParseExample {
    public static void main(String[] args) throws Exception {
        // reads LLAMA_CLOUD_API_KEY from the environment
        LlamaCloudClient client = LlamaCloudOkHttpClient.fromEnv();

        FileCreateResponse file = client.files().create(FileCreateParams.builder()
                .file(Paths.get("./example_file.pdf"))
                .purpose("parse")
                .build());

        ParsingCreateResponse job = client.parsing().create(ParsingCreateParams.builder()
                .fileId(file.id())
                .tier(ParsingCreateParams.Tier.AGENTIC_PLUS)
                .version(ParsingCreateParams.Version.LATEST)
                .build());

        // Poll until the job reaches a terminal status
        ParsingGetParams getParams = ParsingGetParams.builder()
                .jobId(job.id())
                .addExpand("markdown")
                .build();

        ParsingGetResponse result = client.parsing().get(getParams);
        while (!result.job().status().equals(ParsingGetResponse.Job.Status.COMPLETED)
                && !result.job().status().equals(ParsingGetResponse.Job.Status.FAILED)
                && !result.job().status().equals(ParsingGetResponse.Job.Status.CANCELLED)) {
            Thread.sleep(2000);
            result = client.parsing().get(getParams);
        }

        if (!result.job().status().equals(ParsingGetResponse.Job.Status.COMPLETED)) {
            throw new RuntimeException("parse ended as " + result.job().status());
        }

        System.out.println(result.markdown().get().pages().get(0).asMarkdownResult().markdown());
    }
}

CLI 也没有阻塞式解析，所以要先上传文件、用 --tier + --version 启动任务，再轮询：

终端窗口

# Upload the document
FILE_ID=$(llp files create \
  --file ./example_file.pdf \
  --purpose parse | jq -r '.id')

# Start a parse job
JOB_ID=$(llp parsing create \
  --file-id "$FILE_ID" \
  --tier agentic_plus \
  --version latest | jq -r '.id')

# Poll until the job reaches a terminal status
while true; do
  STATUS=$(llp parsing get --job-id "$JOB_ID" | jq -er '.job.status') || break
  case "$STATUS" in COMPLETED|FAILED|CANCELLED) break ;; esac
  sleep 2
done

# Print the markdown for the first page
llp parsing get --job-id "$JOB_ID" --expand markdown \
  | jq -r 'if .job.status == "COMPLETED" then .markdown.pages[0].markdown
    else "Parse job failed: \(.job.error_message // .)" end'

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v2/parse' \
  -H 'Accept: application/json' \
  -H 'Content-Type: application/json' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --data '{
    "file_id": "<file_id>",
    "tier": "agentic_plus",
    "version": "latest"
  }'

新进展

Parse 使用带日期的档位版本 —— 一次发布通常是四个档位中某一个的新日期版本。被固定的版本会持续可用，以便你按自己的节奏升级。

Parse 团队大约每月发布新的档位版本。"latest" 究竟解析到哪个版本，权威来源是 API 本身 —— 用 "version": "latest" 发一次解析请求，再看响应里的 metadata.version。

值得注意的能力发布

  • 成本优化器 —— 在 agentic 或 agentic_plus 上做逐页档位路由。见成本优化器。
  • Agent Skill —— 面向编码智能体的原生文档解析。见快速上手 → Agent Skill。
  • Agentic Plus 下图表解析默认开启 —— specialized_chart_parsing 在 agentic_plus 上默认启用。见专门的图表解析。
  • v2 API —— 用结构化 JSON 取代了 v1 那 70 多个平铺表单参数。tier 与 version 现在必填。见 REST API 指南。

另请参阅

友情链接

  • Agents.md面向 AI 编码助手的仓库说明文件规范
  • LangChainLangChain 是一个开放的Agent平台
  • LangSmithAgent 工程平台：可观测与评估、部署、Fleet、Engine 等
  • EmbabelEmbabel 是一个JVM平台Agent框架
  • SpringAISpringAI 是一个基于 Spring 的 AI 框架
  • MCPModel Context Protocol，连接 AI 应用与外部数据/工具的开放标准
  • LangChain4jJava 生态的 LLM 应用开发框架
  • LlamaIndex把数据接入 LLM 的框架与文档平台
  • LlamaParse智能体式 OCR 文档解析：把 PDF、扫描件变成 LLM 可用的文本与结构化数据
  • LiteParse本地优先、轻量的文档解析库，不需要 API key
  • CrewAI多智能体编排框架：以 Crew/Flow 组织自主协作的 AI Agent
  • MAFMicrosoft Agent Framework，企业级 .NET/Python 智能体框架

BytesRouter 是社区翻译站点，所有译文仅供参考，一切以官方英文原文为准。

© 2026 BytesRouter · 译文采用 CC BY 4.0 许可