LlamaParse 预约演示:智能体文档处理平台
LlamaIndex 为旗下智能体文档处理平台 LlamaParse 开放定制演示预约,主打文档 OCR、信息抽取与索引的行业领先准确率。该平台提供页面级引用、置信度分数和边界框以支持人工复核,并可通过成本优化模式自动选择解析设置来平衡成本与准确率。用户还能借助低代码构建器 LlamaAgents,用自然语言开发和部署文档智能体,实现端到端自动化。
LlamaIndex 为旗下智能体文档处理平台 LlamaParse 开放定制演示预约,主打文档 OCR、信息抽取与索引的行业领先准确率。该平台提供页面级引用、置信度分数和边界框以支持人工复核,并可通过成本优化模式自动选择解析设置来平衡成本与准确率。用户还能借助低代码构建器 LlamaAgents,用自然语言开发和部署文档智能体,实现端到端自动化。
LlamaIndex 公布 LlamaParse 文档解析平台的定价方案,采用 credit 计费,1,000 credits = $1.25,免费版每月含 10K credits,Starter 含 40K、Pro 含 400K。
LlamaIndex 公布了一批客户案例,展示 NTT DATA、Experian、KPMG、Carlyle、SkySQL、11x.ai、Arcee AI、Pursuit、Lyzr 等团队如何用其构建文档解析、RAG 与 AI 智能体应用。
LlamaIndex 面向客服场景提供基于 FAQ、知识库、政策、工单和产品手册的智能体方案,可即时回答重复问题、生成分步排障指引并支持多轮上下文对话。其 LlamaParse 专为含图表和表格的复杂文档设计,提供引用溯源与置信度评分,并配套 Python、TypeScript SDK 和 API。
LlamaIndex 推出技术文档搜索方案,帮助工程与研发团队在规格书、SOP 和手册上构建智能体,实现即时准确的答案检索。方案包含规格搜索、版本对比、QA 文档阅读器和研发助手四项能力,底层由专为图表和表格等复杂文档打造的 LlamaParse 提供解析支持,并提供 Python 与 TypeScript SDK、API 及并行流水线以支撑企业级规模。
LlamaIndex 面向财务与运营团队推出发票处理方案,用 LlamaParse 解析发票中的行项目、税额与总额,并通过 Validation Agent 对照采购订单核验、Approval Assistant 路由审批、Audit Tracker 生成合规记录。方案提供 Python 和 TypeScript SDK、API 及并行流水线,支持在仪表盘、API 或集成中复核监控。
LlamaIndex 面向投资与审计团队,用 LlamaParse 解析合同、财务报表和合规文档中的表格与图表,并提取关键条款、汇总风险义务、比对不同实体的文件差异。其方案结合文档智能与智能体工作流,可上传文档、解析提取信息,再由智能体路由、校验、记录和通知,支持 Python 和 TypeScript SDK 及 API。
LlamaIndex 面向医疗团队提供基于临床笔记、化验报告和研究文档构建智能体的方案,用于加速临床研究并提升患者护理与编码准确性。
LlamaIndex 面向制造业推出基于技术规格、手册与合规文档的 AI 智能体方案,包含 Spec Navigator、Compliance Agents、Supply Chain Analyzer 和 Maintenance Assistant 四类应用,用于减少停机、简化 QA 并提升供应链可见性。
LlamaIndex 推出面向金融机构的文档智能体方案,可在合同、监管申报文件和研究报告上自动完成合规、尽职调查与投资洞察。方案覆盖投资研究、KYC 与 AML、合同分析、审计与风险报告四类场景,依托 LlamaParse 解析含图表和表格的复杂文档,并为每个字段提供引用、可追溯性和置信度分数。
LlamaIndex 面向保险场景推出基于 AI 智能体的理赔与核保自动化方案,用 LlamaParse 解析 PDF、扫描表单和医疗记录等复杂文档,并支持欺诈检测与合规追踪。
金融分析师借助 LlamaIndex 与 LlamaParse 构建 AI 财务模型,将研究时间减少 80%。方案可高精度解析财务 PDF、提取营收、FCF、guidance 等结构化指标与 KPI,并总结财报电话会议记录、对比历史业绩。用户还能构建覆盖、报告与异常检测的自定义智能体,通过 Python 和 TypeScript SDK 及 API 接入。
Liquid AI 表示目前不提供自托管 API,其 LFM 模型可通过 playground(免费限速)和 OpenRouter(付费更高限额)使用,全部模型可在 Hugging Face 直接下载。多数模型支持通过 LEAP 平台定制与部署,并提供本地推理与定制两套软件栈。年营收不超过 $10M 的组织可获商业使用豁免,超过则需联系销售团队定制定价。
Liquid AI 提出端侧 AI 智能体需模型与 harness 协同设计,以在内存、功耗和延迟的硬约束下实现主动式本地推理。其指出云端智能体依赖昂贵的前沿模型,任务越长延迟与 token 成本越叠加,而每次云端回退都会增加成本并把个人上下文送出设备。Liquid 称每个 LFM 都针对设备能力定制,通过本地推理循环持续收集屏幕、车内传感器等上下文,实现无需提示即可自主行动的主动式智能体。
Liquid AI 推出面向国防战术边缘的端侧 AI 方案,其多模态模型完全在设备本地运行,支持威胁检测、自主导航和实时 ISR,推理留在本地以保持速度和断网可用性。该方案针对国防场景的 SWaP 约束调优,适配手持设备、头显、地面车辆和小型 UAS 的 NPU 与 CPU,避免将敏感数据发送至云端带来的安全风险与 ITAR 违规。
Liquid AI 推出面向工业与机器人领域的本地 AI 平台,用硬件感知的定制多模态模型在现有设备上离线运行,为一线工人提供实时免手操作辅助。其智能体 LFMs 可打通 IT 与 OT 数据孤岛,跨 SCADA、PLC 和企业系统进行推理,实现实时分析、预测性维护与自主工作流。模型可直接运行在边缘 CPU、NPU、GPU 上,具备亚毫秒级响应。
Liquid AI 推出面向医疗健康与生命科学的 SLM 方案,可在医院内网或 VPC 私有部署,让敏感数据留在本地。该系列模型针对临床与制药场景定制,支持文本、音频和图像的多模态处理,并采用支持 HIPAA、SaMD 变更控制模式与可审计性的架构。
Liquid AI 面向金融服务推出可在数据中心、边缘或云端运行的模型,驱动反欺诈、客服与风控等智能体工作流,主打低延迟和银行级隐私,成本仅为前沿模型的一小部分。其 SLM 完全托管在客户自有硬件上,数据不出本地,并按业务职能定制多个小模型而非一个通用 LLM。
Liquid AI 推出面向电商行业的定制多模态 AI 模型,以毫秒级响应支撑语义搜索、站内智能体和商家 Copilot。其意图原生搜索可理解自然语言、图像查询与结构化筛选,并实时调用商家 API 返回商品;站内智能体接入购物车、结账、订阅、订单状态等 API,可引导客户并完成购买流程。商家侧 SLM 基于分析数据、营销活动和商品目录训练,用于总结表现、建议行动并生成商品调整。
Liquid AI 面向消费电子厂商推出端侧 AI 方案,其高效 SLM 可为 PC、智能手机、智能扫地机器人等设备定制适配 NPU、CPU、RAM 和功耗的模型,无需新芯片即可实现智能通知、离线助手和功耗摘要等功能。该方案支持调用厂商自有 API 以打开应用、修改设置并编排设备功能,仅在复杂推理时交由云端 LLM 处理,同时以单一多模态模型覆盖文本、音频和视觉。
Liquid AI 推出面向汽车行业的车载 AI 助手方案,其多模态模型完全运行在量产车已有的 CPU 和 NPU 上,无需云端依赖或新增硬件。方案采用边缘优先的 SLM 与混合智能体架构,单个模型支持 20+ 种语言,速度达现有方案的 5 倍,可实现亚秒级响应与自然语音、座舱视觉交互。
Liquid AI 展示五套基于 LFM 的可运行系统,每套将微调后的 Liquid 模型部署在手机、边缘 GPU 或用户自控 VPC 中,支持断网运行。模型覆盖文本、视觉与音频,量化与推理引擎按目标硬件联合选型并在用户实际硬件上做性能剖析。训练在单张 GPU 上数小时完成,并以留出集评分。
Liquid AI 发布面向端侧 AI 的开发者平台 LEAP,并推出轻量级 iOS 应用 Liquid Apollo,让用户在手机上本地测试小语言模型。
Liquid AI 与 .txt 合作展示如何在边缘设备上实现可靠的 LLM 函数调用:LFM2-350M 无量化下内存占用低于 1 GB、常见边缘硬件推理时间低于 100ms,配合 .txt 的 dotgrammar 库用上下文无关文法保证输出语法有效且不增加推理延迟。
Liquid AI 宣布其 Liquid Edge AI Platform(LEAP)原生支持 AMD 最新 Ryzen 和 Ryzen AI 处理器,基于 llama.cpp 推理引擎,可在本地运行 LFM 模型。
Instagram 宣布其独立 Edits 应用新增 AI 创作助手,可调取用户账号的点赞、观看、留存和分享等数据,回答热门趋势、内容表现差异等问题,并给出选题、脚本、文案、音频等方面的建议。
Goodfire Research 为 Silico 推出企业版,团队可在前沿基础设施与算力上运行长周期、异步实验。页面提供演示申请入口,提交后团队会通过邮件跟进是否符合合作条件,同时可查看研究人员在 Silico 上运行的项目。
Fireworks 发布 FireRouter with Opus,将常规轮次路由到开源模型、仅在需要的轮次保留 Claude Opus 5.5,单次会话成本降低 57%,并支持缓存感知路由。
Fireworks 宣布 Kimi K3 支持其 Serverless Training 的 Multi-LoRA 服务与训练,进入私测阶段。K3 是总参数约 2.8T 的 MoE 模型,原文称其为首个达到 3T 规模的开源权重模型。
月之暗面的 Kimi K3 以开源权重发布,共 2.8T 总参数、104B 激活参数、896 专家、1M 上下文,并在 Fireworks 上线 Day-0 推理与训练。
推荐理由:原文汇总了 K3 的参数规格、多项第三方基准成绩和与 Opus 5 的成本对比,读者可据此评估开源模型在自有工作流中的可行性。
Fireworks 成为 Voyage AI by MongoDB 首个且唯一合作的专用推理平台,Voyage 4 系列、voyage-multimodal-3.5 与 rerank-2.5 现已原生运行于 Fireworks,检索到生成全流程可在同一 API 上完成。
Fireworks AI 宣布 Training API 正式可用,并推出 Fireworks Lab 服务。
Cursor 推出构建功能,在后台预先准备可直接使用的开发环境副本,智能体启动即可运行,无需额外费用。默认每小时创建一次新构建,环境损坏时智能体沿用上一次成功构建;Cursor 内部环境启动速度提升 10 倍、首个 token 生成速度提升 3 倍。8 月 17 日起所有新建和现有环境将默认启用构建。
推荐理由:官方原文给出启动速度倍数、构建频率和失败回退机制,读者可据此评估其对云端智能体工作流的影响。
Claude 推出插件市场,收录 340 个插件,可一键安装为 Claude 添加工具、技能和集成。示例包括 GitHub 官方 MCP 服务器、Playwright 浏览器自动化、Figma 设计转代码、Supabase、Vercel 集成,以及代码审查、语言服务器和 CLAUDE.md 维护等开发类插件。
推荐理由:页面列出了插件市场的主要品类和代表性插件,读者可以据此了解 Claude 现有可扩展能力的范围。
Anthropic 为 Claude 上线 Connectors 与 Claude Marketplace,把用户已有的工具接入每一段 Claude 对话,目前共 872 个连接器。
Claude 介绍 Artifacts 功能,可在对话旁生成设计、演示文稿、文档、仪表盘或小型交互工具,支持画布编辑、链接分享(默认私有)和导出为 PowerPoint、PDF、HTML 等格式。
推荐理由:官方页面对 Artifacts 及 Claude Design、Claude Slides、Claude Docs 的功能、协作与导出方式做了较完整说明,便于了解可用范围。
Anthropic 公布 Claude 的 Free、Pro、Max 三档订阅方案,Free 档 $0 面向所有用户,可在 web、iOS、Android 和桌面端使用,支持联网搜索、跨对话记忆以及创建文件并执行代码。
Anthropic 发布 beta 版 Salesforce in Claude 插件,由双方共同构建,在既有 Salesforce 权限下将客户的账户、商机和管线引入 Claude,包含 37 项面向销售的技能,如账户调研、电话准备、管线回顾和 CRM 更新。
Anthropic 改版 Claude Code 的 Projects 功能,用户描述目标后由 Claude 负责拆解任务、并行协调多个线程、审查输出并汇总结果,例如按仓库开线程迁移调用、跑测试并开 PR。
推荐理由:官方介绍了 Projects 从文件夹到对话的改版机制,读者可以了解多线程协调与共享记忆如何改变 Claude Code 的长任务工作流。
Anthropic 于 9 月 23 日上线 Claude Marketplace,将插件与连接器、智能体和服务伙伴集中到一个入口。
推荐理由:Anthropic 官方发布,明确列出三类入口、2,000 多个连接器插件和承诺支出抵扣方式,便于评估它对采购与工作流的实际影响。