Model Releases
LlamaIndex 发布了一个面向 AI Agent 的文档解析评测基准「ParseBench」 @llama_index 100 种解析方法参与评测（vlm - 67、专用解析器 - 33），2000 页真实企业文档（人工两轮校验），169011 条确定性规则，完全不用 LL…
LlamaIndex 发布了一个面向 AI Agent 的文档解析评测基准「ParseBench」 @llama_index 100 种解析方法参与评测（vlm - 67、专用解析器 - 33），2000 页真实企业文档（人工两轮校验），169011 条确定性规则，完全不用 LLM 当裁判，可复现。评测五个维度取无加权平均：表格结构、图表抽取、内容忠实度、格式语义、视觉定位。 https://ww
LlamaIndex 发布了一个面向 AI Agent 的文档解析评测基准「ParseBench」 @llama_index 100 种解析方法参与评测（vlm - 67、专用解析器 - 33），2000 页真实企业文档（人工两轮校验），169011 条确定性规则，完全不用 LLM 当裁判，可复现。评测五个维度取无加权平均：表格结构、图表抽取、内容忠实度、格式语义、视觉定位。 https://www.parsebench.ai/ 榜单核心结论（100 个方法） · 头部被 LlamaParse 系垄断（Agentic Plus 90.2 领跑）；第三方 Pulse（81.6）、anyformat（80.3）证明头部并非一家独有。 · Charts 是最大分水岭：20 多个方法归零，头部却达 88–94。大量方法总分平庸纯粹是图表拖垮的。 · Faithfulness 普遍 80+，纯文字抽取已是解决问题；差距在结构、语义、定位。 · Grounding 是 VLM 集体盲区，反而一些总分平庸的专用解析器有 75–80。要溯源就盯这一项，别看总分。 · 格局碎片化：VLM 内容强、定位崩；专用解析器布局强、图表常直接放弃。无一家全能。 · 性价比：LlamaParse Cost Effective 0.38¢ 拿 80.6，全场之最；GLM-5.3 Flash、Gemini 3 Flash 不到 1¢ 上 70；反面是 Fable 5.1，16¢/页总分反而更低。 we've evaluated 100+ models on doc parsing 🔥 from frontier VLMs, open-weight VLMs, OCR tools, and OSS parsers check out parsebench: https://www.parsebench.ai/
Related
- Want to see which frontier models do the best on document understanding? Check out our ParseBench leaderboard on @kaggle! https://www.kaggle…
- ParseBench is now also available on Papers with Code! Find it here: https://paperswithcode.co/benchmark/parsebench
- Ocr benchmark
- We’re open sourcing the first document OCR benchmark for the agentic era, ParseBench. Document parsing is the foundation of every AI agent t…
- ParseBench is the first benchmark to include VLM chart understanding 📊📈📉 over enterprise documents. 🟠 Existing benchmarks (ChartQA, Char…
Source: Jerry Liu (X) | 2026-09-19