据 TechCrunch 报道,Felicis 领投了 Unsiloed AI 的 750 万美元种子轮。这家公司把企业 PDF、演示文稿和扫描件里的表格、图表拆成 AI agent 能用的数据,并标出每项结果在原文的位置。对银行来说,能点回原表核对一个金额,比多识别几行字更有用。
Unsiloed 起价每页 1 美分。在它自己跑的 PDF 解析测试里,Unsiloed 得了 88.0,高于 Reducto 的 66.0 和 Unstructured 的 39.9。但这场测试用的并非竞品最新或同类配置。公司另报出金融文档抽取准确率 99.78%,这项结果未经独立验证。两组数字测的不是同一件事,不能互相作证。
读对表格,还要取对字段
olmOCR-Bench 测的是把 PDF 转成 Markdown。一张财报里的表头、行列和脚注能否保留下来,是这类测试关心的问题。下游系统要填的是指定字段,比如本报告期的净利润。即使整张表都读对了,系统照样可能拿走相邻一列的上年同期值。
88.0 来自 Unsiloed 在 1,403 页 PDF 上跑出的结果。Reducto 用的是 r-1 发布前的 Agentic Parse,Unstructured 用的是旧版 partition 接口。公开的是题库,竞品选哪个版本、用什么接口,由 Unsiloed 决定。这次领先有参考价值,但不能当成当前产品的独立排名。
99.78% 来自公司提供的测试,覆盖 542 份金融文档、约 84,000 个数据点。公开材料没有讲清准确率的分母怎么算,也没说漏抽字段和整页失败如何计入。另一项更接近实际需求的 DocuBench 按预设字段做抽取,但它由供应商 DocuPipe 执行,参测名单里也没有 Unsiloed。想找一份公开的同题对照,目前还没有。
银行该验哪几个格子
我更在意错在哪儿。小标题漏一个字,可能不影响后续操作;金额漏了负号、币种取错一列,写进下游系统就是另一笔账。平均准确率把这些错误放在一起算,却不告诉采购方哪些结果可以自动入账,哪些必须交给人复核。

Unsiloed 保留原文位置,这个设计有实用价值。合规团队不用重翻整份报告,就能核对金额旁边的单位和表头。但定位再准,如果审核员还得逐项确认账期和币种,每页 1 美分就只是解析费。采购时要算的是加上复核和返工后,一份文档处理完到底花多少钱。
真要验收,就拿一批供应商没见过的自家文档,让候选工具按同一套字段要求跑。金额、币种、正负号和账期单独计错,漏抽和失败也计入,再看有多少份文档的关键字段能全部对上。如果一类报表总在同一个位置错列,下一笔预算就该先算复核人手,别先按自动化省下来的人头算。
