AREX Feed Article
OpenRouter 官宣 Extractions API 上线 alpha：按描述字段从文本、图片与 PDF 返回结构化数据，提供 Cloudflare Clairic、ScaleDown Extract 与 Inception Mercury Decide
北京时间 11 月 11 日深夜（UTC 15 时 42 分），OpenRouter 官方 X 账号（企业认证）：Extractions API 已在平台上线 alpha 测试。用户用文字描述所需字段——比如邮件里出现的人名、收据上的总额——API 就从文本、图片与 PDF 中把每一项抽取出来，以结构化数据返回。OpenRouter 在同一条帖文串中逐一列出三款首发抽取模型并附链接：Cloudflare 的 Clairic（读文本与图片）、ScaleDown Extract（读文本、PDF 与图片）、Inception 的 Mercury Decide（只读文本），直接指向其模型页。
帖文附带的指南链接指向官方博客文章（署名 William Kofski）。指南给出了完整的请求示例与计价：三个模型的输入单价在每百万 token（词元）0.02～0.10 美元之间，输出全部免费；配套的也已上线。OpenRouter 在 中自述为“面向 LLM（大语言模型）的统一接口”，聚合 400 多个模型（含 50 多个免费模型）。
官方博客为这篇指南配的题图：收据照片被抽取为五个字段，读错的店名被 spell_confidence（拼写置信度）0.73 标出。
请求里写字段名和类型，每个字段返回一个带类型的值
按照指南，一次抽取就是一个 POST /api/alpha/extractions 请求：state 装待读的文本（或指向 assets 里图片、PDF 的键），fields 把每个字段名映射到一份规格——一个 type，外加可选的 instructions 说明字段含义。字段类型共九种：text、number、date、time、datetime、list、duration、estimate、forecast，每个字段返回一个可直接存储、无需再解析的 JSON 值。
指南的主示例是一张发票：把发票文本发给 Clairic，请求 6 个字段，共读入 1,138 个输入 token，花费 0.00011 美元。返回结果里，invoice_number 是 "INV-4417"，并带一个 [8, 16] 的 span 指回原文位置；due_date 在文本里并不存在，是模型用开票日期 2026-10-14 加上 net 45 的付款条件算出 2026-11-28；po_number 返回 null，同时附上 guess 字段说明模型本来会填什么；days_to_pay 是 estimate 类型，返回的不是单点值而是一个分布——中位数 45 天，80% 的概率质量落在 42～47 天之间。
对超长文档，响应里的 truncated 为 true 表示供应商只读了 state 的前缀，usage.passes 则记录字段规格装不进一次调用时上游被调用了几次。
三款首发模型：Clairic 管图片，Extract 管 PDF，Mercury Decide 只读文本
三个模型用同一种请求格式，分工不同：
- （cloudflare/clairic）是 Cloudflare 跑在 Workers AI 上的抽取模型，指南把它列为默认起点：读文本和最多 4 张 PNG、JPEG 或 WebP 图片（单张解码后不超过 4 MiB），支持全部九种字段类型，输入价每百万 token 0.10 美元。它是三款中唯一返回 p_null（字段为空的概率）、span 和 estimate／forecast 分布的模型，模型页显示上下文窗口 66K，并挂有指向 Hugging Face 的模型权重链接。
- （scaledown/extract）每次读一段文本，或一个 PDF／图片（WebP 会返回 400 错误），只答 text 和 list 两种字段，逐值给出 confidence（置信度）但没有 p_null，输入价 0.04 美元——模型页显示原价 0.05 美元、现打 8 折——上下文窗口 1.0M。指南写明：眼下 PDF 只能交给它。
- （inception/mercury-decide）只读文本，答 text 和 list，输入价 0.02 美元，是三者中最低；它不接受 reference_date，其 provider 选项 group_fields 可以把全部字段合并成一个问题一次处理（单次上游调用最多 26 个字段）。
指南还做了一次交叉验证：把示例发票里的 text 和 list 字段同时发给 Mercury Decide 和 Extract，两者返回了与 Clairic 相同的值、文本上相同的 span，分别花费 0.000015 和 0.000014 美元。
文档页的支持模型表目前列出了四个条目——除三款首发模型外，还有 Levanto 的 sage-2（只读文本，支持 text、number、date、time、datetime、duration 与 list）——比官宣的“三款首发”多出一个。
读错的店名，由置信度自己标了出来
指南把 span、p_null、confidence 和 spell_confidence 称为这套 API 的信任模型：设一个置信度下限，低于下限的转给人工，其余入库。null 是一个答案而不是低分——p_null 超过阈值（默认 0.5）意味着模型判断文档里没有这个字段，guess 则说出它本来会填的值。
收据例子验证了这条设计。把一张咖啡店收据的照片发给 Clairic，请求 merchant、total、paid_on、tax、tip 五个字段：total（29.04）和 tax（3.79）的置信度都超过 0.99；tip 返回的是 null（p_null 0.9999），而不是编造的 0；店名被读成 NORTH HAROR C——收据上印的是 NORTH HARBOR CAFE——Clairic 用 spell_confidence 0.73 把这个错误标了出来，明显低于响应里的其他字段。指南的结论是：这就是该转人工的那个字段，而响应已经告诉你是哪一个。
PDF 一例试的是 ScaleDown Extract：一份采购订单 PDF 读入 3,972 个输入 token，2.9 秒返回，花费 0.00016 美元，所有值都对，包括表格里的三个行项目。但有两处差异要留意：Extract 没有 number 和 date 类型，总额与交货日期按页面原样以字符串返回；它逐值给出 confidence，却不返回 p_null，PDF 上也没有 span。这次响应里，总额 0.814 的置信度是最需要人工瞄一眼的数字。
坐标方面，指南特别说明：演示视频里照片和页面上的框是演示时画上的，API 只返回值，不返回图片或页面坐标；标记值来源的 source 字段是可选的，不应作为程序判断的依据。
与既有 Decisions API 的分工：称重写下的答案，或去文档里找值
Extractions 与既有的 Decisions API 共用同一套请求封装（model、state、assets、provider，再加 user、session_id、trace），区别在于交给模型什么、模型交回什么。Decisions 的请求带 questions，每个问题自带答案空间：noul 是一条真假命题，choice 列出选项，score 指定量表，box 要求图像中的一个区域；模型永远不会给出你没写下来的值，只在你写下的答案上分配概率。Extractions 的请求带 fields，答案空间是类型本身，模型必须去文档里定位那个值——或者像到期日那样算出来，像回款天数那样估出来——因此每个答案都附带证据：span、p_null 与 confidence。
指南给出的经验法则是：发请求之前就能列出全部可能答案的，用 Decisions；答案就是文档里写着的值的，用 Extractions。两者也可以串起来用——先用 Decisions 判断一份文档是不是发票，再用 Extractions 把是发票的那些字段抽出来。同一张示例发票走 Clef Flash 的 Decisions：付款条款 net 45 得到 0.96 的概率，“未逾期”命题的概率是 0.2069，共 466 个输入 token、约 0.0000089 美元。
alpha 的边界与上线首日的反馈
这条路由目前处于 alpha 阶段。官方 FAQ 对“API 稳定吗”的回答是：“它是 alpha。形状可能会变，变更会最先落在指南页。”校验在 OpenRouter 侧完成，请求尚未到达供应商就会被拦下：给 Mercury Decide 发 date 字段、给 Clairic 发第五张图或一份 PDF、带上没被引用的资源，都会得到指明问题的 400；把 questions 发到这条抽取路由，返回的 400 会提醒你改用 /api/alpha/decisions。
截至发稿前核验，官宣帖获得 146 个点赞、94 个收藏、约 9,600 次浏览。回复里，用户 Baha（）称赞了缺失值的设计：“很高兴缺失的小费保持为 null——零会意味着另一回事”；用户 Allan Stevens（）则问起 HIPAA／BAA（美国医疗数据合规）是否在路线图上。官宣帖本身没有披露定价与速率限制：计价出自指南，速率限制在指南与文档中均未提及。指南注明，其所列单价是 2026 年 11 月 6 日的目录价，现价以各模型页为准。