LandingAI เปิดตัว Agentic Document Extraction Gen2 พร้อมโมเดล DPT-3 Pro และ DPT-3 Verity

LandingAI ประกาศเปิดตัว Agentic Document Extraction (ADE) Gen2 ซึ่งเป็นการยกเครื่องระบบจัดการเอกสารอัจฉริยะ (Document Intelligence) ใหม่ทั้งหมด โดยใช้โมเดลตระกูล DPT-3 จากเดิมใน Gen1 ที่ประมวลผลเอกสารเป็นรายการ Chunk แบบแบนราบ ในเวอร์ชัน Gen2 นี้จะเปลี่ยนมามองเอกสารเป็นโครงสร้างต้นไม้ (Tree Structure) พร้อมปรับเปลี่ยนโมเดลราคาตามจำนวนตัวอักษรที่ส่งออกแทนการคิดราคาเหมาต่อหน้า

การอัปเกรดครั้งนี้มุ่งเน้นไปที่ 3 หัวใจหลัก ได้แก่ ความคุ้มค่า (Affordability), เอาต์พุตที่พร้อมสำหรับ Agent (Agent Ready Outputs) และการอ้างอิงข้อมูลระดับอะตอม (Atomic Grounding) ที่สามารถระบุตำแหน่งคำตอบกลับไปยังบรรทัดหรือคำที่เฉพาะเจาะจงในหน้าเอกสารได้อย่างแม่นยำ

สำหรับนักพัฒนาที่สนใจ ADE Gen2 พร้อมใช้งานแล้ววันนี้ โดยสามารถเริ่มทดลองใช้ฟรีผ่าน ADE playground ส่วนลูกค้าองค์กรสามารถเลือกใช้งานได้หลากหลายรูปแบบ ทั้งบนคลาวด์โซน US หรือ EU, ติดตั้งใน VPC บน AWS, Azure, Google Cloud ไปจนถึงการใช้งานภายใน Snowflake หรือติดตั้งแบบ On-premises ในสภาพแวดล้อมที่ตัดการเชื่อมต่อจากภายนอก (Air Gapped)

โมเดลการพาร์สสองรูปแบบเพื่อความเหมาะสมของงาน

ใน Gen2 ได้แยกโมเดลการพาร์สออกเป็นสองรุ่นเพื่อให้ผู้ใช้เลือกตามความเหมาะสมของงบประมาณและลักษณะงาน ได้แก่ DPT-3 Verity ที่ออกแบบมาเพื่อแปลงเอกสารดิจิทัลที่มีปริมาณมาก ตาราง และฟิลด์แบบฟอร์มทั่วไป โดยจะส่งคืนค่า Bounding Box พร้อมคะแนนความเชื่อมั่น (Confidence Score) ในทุกๆ คำ

ส่วน DPT-3 Pro จะมีความสามารถสูงกว่า โดยจะวิเคราะห์เลย์เอาต์ของหน้าก่อนเริ่มอ่านคำ เพื่อตรวจจับประเภทบล็อกที่ซับซ้อน ตั้งแต่ตาราง รูปภาพ ไปจนถึงข้อความขอบกระดาษ (Marginalia) และลายเซ็น รองรับทั้งเอกสารจากการสแกน ลายมือเขียน ตัวอักษรที่ไม่ใช่ภาษาละติน และสูตรคณิตศาสตร์แบบ LaTeX

ด้านค่าใช้จ่าย LandingAI ระบุว่า DPT-3 Verity จะใช้เครดิตเพียงประมาณ 40% ของรุ่น Pro เท่านั้น นอกจากนี้ยังมีแผนที่จะเปิดตัวระบบเลือกเส้นทางอัตโนมัติ (Automated Routing) เพื่อสลับการใช้โมเดลทั้งสองตามความเหมาะสมในช่วงฤดูใบไม้ร่วงปี 2026

การปรับโครงสร้างราคาตามการใช้งานจริง

การเปลี่ยนแปลงที่สำคัญที่สุดคือระบบราคา จากเดิมในรุ่น DPT-2 ที่คิดราคาคงที่ 3 เครดิตต่อหน้า แต่ในรุ่น DPT-3 การบริโภคเครดิต จะคำนวณจากค่าธรรมเนียมต่อหน้าบวกกับจำนวนตัวอักษรที่ส่งออก (Output characters) ในระดับ Priority รุ่น Pro จะคิด 1 เครดิตต่อหน้า บวก 0.5 เครดิตต่อ 1,000 ตัวอักษร ขณะที่ Verity จะคิดเพียง 0.3 เครดิตต่อหน้า บวก 0.2 เครดิตต่อ 1,000 ตัวอักษร

นอกจากนี้ยังมีระดับบริการ (Service tiers) ให้เลือกใช้งาน โดยระดับ Priority ออกแบบมาสำหรับงานที่ต้องการความเร็วทันที ส่วนระดับ Standard จะทำงานแบบ Asynchronous ซึ่งมีราคาถูกกว่าเพียง 0.5 เท่า เหมาะสำหรับงานประมวลผลที่ไม่รีบด่วนและรอผลได้เป็นนาทีหรือชั่วโมง การเรียกใช้งานแบบ Synchronous จะถูกคิดราคาในระดับ Priority เสมอ

LandingAI คาดการณ์ว่าระบบใหม่นี้จะช่วยลดต้นทุนให้ผู้ใช้ได้ 25% ถึง 80% สำหรับเวิร์กโหลดแบบผสม โดยเฉพาะการใช้ Verity ในระดับ Standard อาจมีราคาต่ำกว่าหนึ่งเซนต์ต่อหน้า อย่างไรก็ตาม เนื่องจากมีการคิดราคาตามจำนวนตัวอักษร หน้าเอกสารที่มีข้อความหนาแน่นมากอาจมีราคาสูงกว่าระบบเดิม ผู้ใช้ควรทดสอบกับชุดเอกสารจริงของตนเองก่อน

จาก Chunks สู่ Blocks: โครงสร้างข้อมูลใหม่

การตอบกลับของ Parse v2 จะประกอบด้วย 3 ส่วนหลักคือ markdown, metadata และ structure โดยในส่วนของโครงสร้าง (Structure) จะจัดเรียงเป็นลำดับชั้นจาก Document ไปยัง Page และย่อยลงสู่ Block ซึ่งประกอบด้วยประเภทต่างๆ เช่น text, table, figure, logo และ scan_code เป็นต้น

แต่ละบล็อกจะมี ID เชิงความหมาย (Semantic ID) ในรูปแบบ type-index และมีออบเจกต์การอ้างอิง (Grounding Object) ที่ระบุตำแหน่งหน้า ช่วงของสตริงใน Markdown และพิกัด Bounding Box ที่แม่นยำ นอกจากนี้ เอาต์พุต Markdown ยังถูกทำให้เป็นมาตรฐาน โดยรูปภาพจะใช้แท็ก <figure type="CHART"> พร้อมคำอธิบายในแท็ก <description> ส่วนตารางจะส่งออกเป็น HTML เพื่อคงรูปแบบเซลล์ที่ผสานกันไว้

Atomic Grounding: หัวใจสำคัญของความแม่นยำ

ความสามารถที่โดดเด่นที่สุดในรุ่นนี้คือ Atomic Grounding โดยในทุกบล็อกย่อย (Leaf block) จะมีอาร์เรย์ข้อมูลอ้างอิงที่ละเอียดถึงระดับบรรทัดสำหรับ DPT-3 Pro และละเอียดถึงระดับคำสำหรับ DPT-3 Verity ซึ่งจะมาพร้อมค่าวัดความเชื่อมั่น 0-1 เพื่อให้ผู้ใช้สามารถคัดกรองคำที่มีความไม่แน่นอนสูงส่งให้มนุษย์ตรวจสอบต่อได้

ระบบ Extract V2 จะดึงข้อมูลอ้างอิงจากส่วนนี้ ทำให้ฟิลด์ข้อมูลที่สกัดออกมาสามารถย้อนกลับไปยังคำต้นฉบับบนหน้าเอกสารได้จริง ประโยชน์ที่ตามมาคือความแม่นยำในการทำ PII Redaction (การเซ็นเซอร์ข้อมูลส่วนบุคคล), การเปรียบเทียบเอกสาร (Document Diffing) และการสร้าง UI สำหรับผู้ตรวจสอบข้อมูลที่แสดงตำแหน่งได้ตรงจุด

สรุปการเปลี่ยนแปลงสำคัญ

• DPT-3 Pro และ DPT-3 Verity จะเข้ามาแทนที่ DPT-2 ในฐานะโมเดลหลักสำหรับการพาร์สเอกสาร
• เปลี่ยนการเก็บเงินเป็นค่าธรรมเนียมต่อหน้าบวกตามจำนวนตัวอักษรแทนราคาเหมาจ่าย
• DPT-3 Pro รองรับการอ้างอิงระดับบรรทัด ส่วน Verity รองรับระดับคำพร้อมคะแนนความเชื่อมั่น
• เปลี่ยนระบบจาก Chunk เป็นโครงสร้างต้นไม้ (Document, Page, Block) พร้อม ID คงที่
• โค้ดที่เขียนสำหรับ Gen1 ไม่สามารถใช้งานร่วมกับเอนด์พอยต์ Gen2 ได้ จำเป็นต้องมีการย้ายระบบ (Migration)

ตรวจสอบ รายละเอียดทางเทคนิคได้ที่นี่ นอกจากนี้ อย่าลังเลที่จะติดตามเราบน