一句话看懂：LandingAI 发布 Agentic Document Extraction Gen2，用 DPT-3 Pro 做抽取、DPT-3 Verity 做校验，把文档处理从单次识别推向带验证环节的智能体流程。对需要从合同、票据、报表中批量取数的团队来说，这代表文档 AI 的竞争点正从“读得准”转向“可核对、可交付”。
事件核心：发生了什么
根据 MarkTechPost Research 的报道，LandingAI 推出 Agentic Document Extraction Gen2，这是其文档抽取产品线的第二代版本，核心由两个模型承担：DPT-3 Pro 负责从文档中提取结构化信息，DPT-3 Verity 负责对抽取结果做验证。目前公开信息显示，这一代产品被明确包装为“Agentic”，即抽取过程不是单次 OCR 加规则，而是由模型分步骤完成定位、理解和自检。
与常见的文档识别 API 相比，DPT-3 Verity 的加入是本次更新最值得注意的设计。文档抽取的痛点往往不在识别阶段，而在结果不可信：金额、日期、条款字段一旦出错，下游流程就会连锁失误。把验证模型作为独立组件，意味着工具链开始内置质量环节，而不是把校验完全留给调用方。
为什么重要
文档处理是大模型落地最现实的方向之一，金融、保险、法律、供应链都有大量非结构化材料需要转成可用数据。此前这一领域的竞争主要集中在 OCR 准确率、版面理解和多模态大模型微调上，厂商差异容易被拉平。LandingAI 由吴恩达创办，长期强调数据为中心的 AI 与可落地工程化，这次把抽取和验证拆成两个模型，说明其产品思路从“模型能力”转向“流程可靠性”。
对行业而言，这也会抬高竞品的门槛。如果 Verity 能显著降低人工复核比例，采购方的评估标准会从“识别准确率多少”变成“端到端交付的错误率多少、能否给出可追溯的置信依据”。闭源 API 在这一场景下仍占优势，因为验证模型需要结合具体业务字段做校准；但若 LandingAI 后续开放相关能力，开源文档模型生态也可能跟进类似的双模型架构。
对用户/开发者/创作者的影响
对开发者来说，值得关注的是 API 层面的变化：Gen2 是否提供独立的验证调用、能否返回逐字段置信度或引用位置、是否支持自定义校验规则。这会直接影响系统设计——如果验证可单独调用，团队可以把它接入现有流水线，而不必整体替换抽取模块。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购方，这类产品的价值在于降低人工抽检成本。文档密集型业务通常需要人工复核关键字段，如果 Verity 能把复核范围缩小到低置信字段，单张文档的处理成本就会下降。对创作者和知识工作者，短期内更可能通过集成了该能力的 SaaS 工具间接受益，而不是直接调用模型。
值得关注的后续
一是 DPT-3 Pro 与 DPT-3 Verity 的实际错误率和幻觉抑制表现，尤其是金额、日期、条款编号这类高风险字段，目前公开信息显示仍缺少第三方基准数据。二是定价与调用方式，验证环节如果单独计费，会改变整体成本模型。三是竞品是否跟进“抽取+验证”的双模型路线，以及 LandingAI 是否将该能力扩展到更多文档类型和行业模板。
