Reducto ra mắt r-1: Mô hình phân tích tài liệu một bước, giảm 20% lỗi với chi phí chỉ 1 cent/trang

Tuần trước, Reducto đã công bố r-1. Đây là mô hình đầu tiên trong một dòng sản phẩm phân tích cú pháp (parsing) mới được xây dựng trên kiến trúc được viết lại hoàn toàn, thay thế cho hệ thống OCR tác tử (agentic OCR) đa giai đoạn trước đây của công ty bằng quy trình xử lý toàn trang trong một lần duy nhất. Reducto cho biết r-1 chính xác hơn các mô hình tác tử cũ mạnh mẽ nhất của họ, đồng thời nhanh hơn và tiết kiệm chi phí lên tới 6 lần.

Liệu mô hình này đã có thể triển khai ngay hôm nay? Có, hiện đang ở giai đoạn xem trước (preview). r-1 chạy thông qua Parse API được lưu trữ trên V3 của Reducto và được kích hoạt bằng một cờ cấu hình (configuration flag). Hiện không có trọng số mở (open weights) hay checkpoint cục bộ nào để tự lưu trữ. Nền tảng của Reducto hỗ trợ riêng biệt các tùy chọn cài đặt như đám mây đa khách hàng (multi-tenant cloud), VPC khách hàng, tại chỗ (on-premises) và môi trường cách ly (air-gapped), với chứng nhận SOC 2 Type II và xử lý HIPAA trên các gói cao cấp, theo đúng chính sách bảo mật của hãng.

Một lần xử lý thay vì một quy trình nhiều bước

Hệ thống Parse cũ thực hiện OCR, phát hiện bố cục và hậu xử lý như các giai đoạn riêng biệt, với các bước xử lý thị giác ngôn ngữ (vision language) bổ sung được xếp chồng lên trên. Mỗi lần gọi mô hình bổ sung đều làm tăng độ trễ. r-1 tích hợp văn bản, bảng biểu, hình ảnh, bố cục, thứ tự đọc, định dạng và khả năng đối chiếu (grounding) vào một lần xử lý toàn trang duy nhất. Mỗi khối dữ liệu trả về kèm theo các khung bao (bounding box) tương đối so với trang, giúp liên kết nội dung với vị trí chính xác của nó trên trang.

Sự hợp nhất này chính là giá trị cốt lõi mà sản phẩm hướng tới. Các đội ngũ làm việc với báo cáo tài chính, yêu cầu bảo hiểm hoặc hợp đồng thường phải chuyển tệp qua nhiều nhà cung cấp và chắp vá các bước hậu xử lý để đạt được độ chính xác cần thiết. r-1 nhắm đến việc cắt giảm chi phí điều phối đó, thay vì chỉ tập trung vào độ chính xác của từng ký tự đơn thuần.

Các con số

Reducto báo cáo mức giảm 20% tỷ lệ lỗi trong bản xem trước r-1 so với các quy trình tác tử cũ của chính họ. Hãng cũng tuyên bố rằng trong các đánh giá nội bộ, r-1 đã vượt trội hơn các sản phẩm từ các nhà cung cấp hạ tầng lớn (hyperscaler) và các mô hình ngôn ngữ lớn (LLM) phổ biến khi xử lý các tài liệu phức tạp. Amazon Textract và Azure Document Intelligence được nêu tên trong thông báo như là các tiêu chuẩn cơ sở hiện tại.

Về giá cả, các mô hình tác tử cũ có chi phí từ 3 đến 6 cent mỗi trang tùy thuộc vào khối lượng công việc. r-1 có giá 1 cent mỗi trang, trọn gói, không kèm theo các hệ số nhân tính năng hay chi phí tín dụng cộng dồn để đạt được độ chính xác cao. Reducto coi đây là một phần trong xu hướng rộng lớn hơn hướng tới bảng giá sản phẩm cố định.

Lưu ý rằng mức giảm 20% tỷ lệ lỗi được đo lường dựa trên quy trình cũ của chính Reducto, không phải so với tiêu chuẩn của bên thứ ba. Ngoài ra, các so sánh đối đầu với các nhà cung cấp lớn và LLM đều do chính nhà cung cấp thực hiện, không có bộ đánh giá hoặc tập dữ liệu công khai nào được phát hành kèm theo thông báo này.

Những gì r-1 giải quyết trên trang tài liệu

Theo tài liệu kỹ thuật, r-1 xử lý nguyên bản các yếu tố sau trong một lần quét toàn trang: văn bản kỹ thuật số, bản quét và chữ viết tay; cấu trúc bảng được đọc cùng với ngữ cảnh trang xung quanh, bao gồm các ô gộp và tiêu đề lồng nhau; cột, tiêu đề, chân trang, thanh bên và thứ tự đọc được giải quyết đồng bộ; phát hiện hình ảnh kèm mô tả ngắn gọn; định dạng mang ý nghĩa như tiêu đề, danh sách, in đậm, gạch chân và gạch ngang; và khả năng đối chiếu thông qua các khung bao tương đối trên trang.

Các trường hợp khó (long tail) mà Reducto nhấn mạnh bao gồm bảng biểu dày đặc, bố cục bất thường, bản quét chất lượng thấp, nội dung có hình mờ và các tài liệu không tuân theo mẫu dự đoán trước. Một nét gạch ngang bị bỏ sót có thể làm đảo ngược ý nghĩa của một điều khoản hợp đồng, và một bảng biểu bị đọc sai có thể cung cấp dữ liệu sai lệch cho tác tử, đó là lý do tại sao các trường hợp biên này lại quan trọng trong các quy trình được kiểm soát chặt chẽ.

Lộ trình chuyển đổi và những gì vẫn giữ nguyên trên hệ thống cũ

r-1 yêu cầu sử dụng V3 API. Một yêu cầu Parse bỏ qua tham số settings.model vẫn sẽ chạy trên Parse cũ, vì vậy sẽ không có lỗi xảy ra âm thầm. Các quy trình mới được tạo trong Studio sẽ mặc định sử dụng r-1.

Xử lý tác tử (agentic processing) vẫn chưa bị loại bỏ. Các quy trình làm việc cần câu lệnh (prompt) tùy chỉnh hoặc trích xuất biểu đồ nâng cao vẫn sẽ chuyển các trang đó qua quy trình tác tử, vốn được Reducto bổ sung vào kết quả của r-1, và điều này sẽ làm tăng độ trễ. Các đội ngũ đang chuyển đổi cấu hình hiện có nên kiểm tra trang tương thích cấu hình r-1 trước, vì một số cài đặt cũ sẽ bị bỏ qua hoặc không được hỗ trợ.

Reducto cũng đã hé lộ hai phần tiếp theo: r-1 mini dành cho các công việc cần tốc độ và tối ưu chi phí, và tính năng định tuyến tự động theo từng trang để chọn mô hình phù hợp nhất cho mỗi trang. Các tổ chức chuyển đổi từ trình phân tích cú pháp khác có thể yêu cầu khoản tín dụng lên tới 5.000 USD để thực hiện so sánh song song.

Những điểm chính cần lưu ý

Hãy xem blog của Reducto, tài liệu về Parse r-1 và thông báo trên X. Ngoài ra, đừng quên theo dõi chúng tôi trên Twitter, tham gia cộng đồng 150k+ ML SubReddit và đăng ký nhận bản tin của chúng tôi. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo, trang Hugging Face, sản phẩm mới hoặc hội thảo trực tuyến (webinar), v.v.? Hãy kết nối với chúng tôi.

Asif Razzaq là CEO của Marktechpost Media Inc. Là một doanh nhân và kỹ sư có tầm nhìn, Asif cam kết khai thác tiềm năng của Trí tuệ nhân tạo vì lợi ích xã hội. Nỗ lực gần đây nhất của ông là ra mắt Nền tảng Truyền thông Trí tuệ nhân tạo Marktechpost, nổi bật với việc đưa tin chuyên sâu về học máy và học sâu, đảm bảo cả tính kỹ thuật lẫn sự dễ hiểu cho đông đảo độc giả. Nền tảng này tự hào với hơn 2 triệu lượt xem mỗi tháng, minh chứng cho sự phổ biến của nó đối với công chúng.