Article Intelligence
先看结论
LlamaIndex 推出 OpenDocRouter，一个统一的文档转 Markdown 解析平台，通过单一 API 接入 Claude、Gemini、GPT 等前沿模型以及 MinerU2.5-Pro、PaddleOCR-VL 等开源 OCR 模型，每款模型都配有经过 ParseBench 评测校准的版本化配方。
核心指标
评分用于衡量信号强度，判断类指标用于解释方向、热度、后续动作与可信程度。
影响力
衡量事件对技术、产业或生态的外部影响强度。
5.5
先看事件性质：这是一款面向文档转 Markdown 的模型聚合路由平台，而非新模型或算法突破，本质是把已有的前沿模型（Claude/Gemini/GPT 系列）与开源 OCR 模型（MinerU、PaddleOCR-VL 等）统一到一个 API 背后，并提供版本化配方与统一接地输出。它不构成范式转移（远未达到 8-10 分区间），但在文档 AI/OCR 这一局部赛道内显著降低了接入成本：单一 API 切换模型、按 token 计费、内置 ParseBench 质量与成本对照，直接冲击 Azure Document Intelligence、AWS Textract、Google Document AI 以及各类开源自托管 OCR 的既有格局。属于改变局部竞争格局的重要产品发布，但护城河偏薄（路由层易被复制），故置于 4-7 分区间中段。
复合价值
综合新颖性、可执行性与长期观察价值。
7.0
文档解析（Document→Markdown）是 RAG 与 Agent 数据管道的刚需入口层，属于典型的基础设施型赛道，需求长期确定。OpenDocRouter 的复利逻辑在于三点：(1) 通过 ParseBench 对每款模型做质量/成本标定并沉淀为版本化配方（prompts + 处理流程 + 参数），这套"评测即资产"的机制会随时间累积，模型越多、迭代越快，校准数据的护城河越厚；(2) grounding engine 把各模型异构的 bbox/layout 输出统一为标准布局类别，形成了事实上的输出标准，一旦开发者依赖该 schema，迁移成本上升；(3) 路由器位于模型与应用之间的枢纽位，具备网络效应与定价权潜力。扣分项同样明确：路由层本质是"薄中介"，上游前沿模型（Claude/Gemini/GPT）正快速内建原生文档解析能力，存在被上游或下游应用直接绕过的去中介化风险；且该 meta-layer 复制门槛不高，Unstructured、各云厂商均可能推出同类统一 API。因此判定为"有潜力成为细分赛道基础设施，但需持续验证"，尚未达到 3-5 年后必然为行业基石的确定性。
结构化事实、实体识别与逻辑链
LlamaIndex 推出 OpenDocRouter，一个统一的文档转 Markdown 解析平台，通过单一 API 接入 Claude、Gemini、GPT 等前沿模型以及 MinerU2.5-Pro、PaddleOCR-VL 等开源 OCR 模型，每款模型都配有经过 ParseBench 评测校准的版本化配方。
LlamaIndex 于 2026 年发布 OpenDocRouter，一个面向文档转 Markdown 的解析平台，通过统一 API 提供最新开源与前沿模型的调用能力。该 API 接受 PDF、PNG、JPEG 或其 URL，支持同步（最多 50 页）与异步（最多 500 页、50MB）两种响应模式，并内置接地引擎可为任意模型输出统一的布局类别与带坐标的边界框。平台通过 ParseBench 对每款模型进行质量与成本评测，采用纯按 token 计费模式，新账户赠送 5 美元额度。LlamaIndex 将其定位为快速托管最新模型的平台，而将 LlamaParse 定位为带企业管控与自托管能力的托管式文档平台。
情绪
积极
整体偏利好，可优先看它带来的机会、受益方和后续扩散可能。
Hype
中 hype
有一定叙事包装，阅读时需要同时看亮点和限制。
文章存在一定包装：标题『every document model under one API』与『dead simple』属典型 PR 修辞，且评测所用的 ParseBench 是 LlamaIndex 自家基准，用于自行校准提示词与定价，存在自评自证的天然偏差，模型选型与排序可能对自身生态有利。但判定为 medium 而非 high，是因为其提供了可验证的硬信息——具体 API 调用示例、10 款模型的输入/缓存/输出单价表、单页解析成本、50/500 页与 50MB 的硬性上限、统一布局类别清单等，水分被具体规格与定价稀释，属于有干货的包装而非严重概念炒作。
行动建议
持续监测
先保持观察，等后续产品、论文或市场反馈再升级判断。
置信度
分别对应影响力、复合价值与 Hype 判断的可信程度。
技术/商业影响、关注焦点与受影响对象
统一 API 免部署接入多模型，以及 token 计费下的成本/质量权衡
核心工程价值在于『接地引擎』（grounding engine）：由于不同模型对边界框与版面结构的支持参差不齐——有的原生输出、有的需提示、有的根本做不到——平台在任何模型之上叠加统一后处理，输出带坐标边界框且阅读顺序一致的标准布局类别（title、table、formula、key_value 等）。配合每款模型一套版本化配方（提示词+处理流程+参数），把异构模型输出归一化为可互换的结果，这是真正的抽象层创新，而非模型能力本身。
典型的聚合/路由层 SaaS 打法，类似 OpenRouter 之于 LLM：以统一 API 抹平模型差异，通过纯 token 计费+5% 充值处理费+layout 附加费（每百万 token 加 0.2 美元）变现，失败页面不计费降低试错摩擦。其战略意义在于把 OCR 模型商品化，将竞争从『谁的模型强』转移到『谁能更快接入、更透明定价、更好路由』，从而对原始模型厂商与自托管 OCR 形成中间层议价与分流；同时通过将 LlamaParse 定位为企业级自托管/管控平台，避免与 OpenDocRouter 自我蚕食，形成低门槛引流+高价值转化的双产品矩阵。
结合机会清单和风险矩阵判断后续关注重点
该发布为厂商 PR 声明（pr_statement），文中提到的模型版本号（如 GPT-6 Luna、Claude Opus 5.5）与定价表均为自述数据，缺乏独立第三方验证，存在夸大或营销包装风险。
纯按 token 计费的隐性成本不可控：长文档、复杂布局触发大量 token 时实际费用可能显著高于宣传的单页成本估算。