今日试用了Reducto的产品，可以用于RAG，例如专业文档的chunking。
Reducto公司介绍
一、公司与定位
Reducto 是一家面向开发者与企业的“文档智能（Document Intelligence）/数据摄取（Document Ingestion）”平台，核心作用是把复杂的 PDF、图片、表格/幻灯片等非结构化文档，转成结构化、可追溯、适配 LLM/RAG 的数据。官网将其定位为“将文档变成数据，构建不受束缚的 AI 工作流”，已服务从初创到 Fortune 10 的客户。其方法同时结合传统版面分析与视觉—语言模型（VLM）的多轮纠错与理解，目标是达到“像人类一样读文档”的准确度。
二、产品与技术路线（“像人读文档”的多通道流水线）
Reducto 的解析流程大致为三步：
- 版面/布局建模：先用“布局感知”模型切分页面区域、表格、图表与文本；
- Agentic OCR 纠错：类似人工校对，用 VLM 对 OCR 小错进行矫正；
- VLM 语义复核：在上下文中链接标签-数值、理解表格与区段类别，输出结构化结果。
在功能层，Reducto 提供四大类 API：
- Parse（解析）：保留版面结构与语义；
- Split（切分）：自动把大 PDF 或多文档打散成可用单元；
- Extract（抽取）：按自定义 schema抽取关键字段；
- Edit（编辑）：自动填充表格/空格/复选框（无需模板/框选）。
同时配有智能分块（chunking）、图表/图形理解与摘要、图/表提取、自动旋转、多语 OCR、嵌入优化等能力，强调“LLM-ready”。
三、功能速览（选摘）
- 版面与边界框：保留 bbox 与结构（适合可视核查与引用）。
- 表格/图形/公式/图片：面向复杂财报、科研/医疗图表等的解析。
- 多文件切分与聚类：把长表格/多单据批量拆分。
- 多语言 + 手写体 OCR：适应扫描件/传真/低质图像。
- Extraction Citations：抽取项可附来源定位。
- Studio 评估：可在可视化界面评估不同配置与质量。
四、开发者体验（API + Studio）
- API：上传、解析、抽取、编辑、切分均有 REST 端点，支持异步作业、Webhook、批处理与速率限制升级；官方文档包含 OCR 配置、页面范围、表格输出格式、分块方法与 Agentic 模式等详解。
- Reducto Studio：交互式工作台，用于快速试验、评估、对比配置并导出管线。
五、安全、合规与部署形态
- 合规：通过 SOC 2 Type II；提供 HIPAA 合规处理流水线（可签 BAA）。
- 数据策略：面向 Growth 及以上客户提供 Zero Data Retention（24 小时自动清除） 与“训练零使用”的承诺；S3 加密存储、传输全程 TLS。
- 部署：除托管外，企业版支持 VPC/本地化/隔离部署，满足数据驻留与合规需求。
六、价格与计费（2025 年 10 月）
- Standard（按量）：前 15,000 credits 免费（实测下来为1000 credits），之后 $0.015/credit；含 Parse/Extract/Edit/Split、30+ 文件类型、至多 5 个 Studio 席位、无页数上限。
- Growth（定制）：在 Standard 基础上增加批量折扣、Zero Data Retention 协议、BAA、优先速率与请求、优先支持、EU/AU 数据驻留、无限席位、Studio 评估等。
- Enterprise（定制）：再加 VPC/本地化部署、自定义 MSA/SLA/吞吐、专属 on-call、RBAC、SSO/SAML 等。
官方还提供“信用消耗/费率”计算说明与速率档位（1/10/100+ QPS）。
计费单位为 credit：一次解析/抽取/切分/编辑调用会按操作类型、配置与页数消耗 credit；支持“简单页（无表格/图形摘要）0.5x 折算”的自动优惠（以官方说明为准）。
七、团队、融资与发展动态
- 创始团队：公开信息显示由 Adit Abraham（CEO） 与 Raunak Chowdhuri（CTO） 共同创立；公司参加过 Y Combinator，YC 页面称其为“最准确的文档解析 API”。
- 融资：
- 2025 年 4 月：宣布 $24.5M Series A（First Round 播客稿件同时提及 0→7 位数 ARR、每月处理量千万级页面）。
- 2025 年 10 月 14 日：宣布 $75M Series B，由 a16z 领投，Benchmark、First Round、BoxGroup、YC 等参投；累计融资 $108M。
- 市场定位：主攻“高准确度、可生产落地”的文档智能底座，典型客户来自法律、金融、医疗与企业级 AI 团队。
八、典型应用与行业适配
- 金融：从投研材料、SEC 文件、报表/图表中抽取结构化指标与引文；
- 医疗：HIPAA 场景下的病历/影像报告字段抽取与图表理解；
- 法律：红线 PDF → 文本/结构化摘要，条款/要素抽取；
- 保险/政企：表单/理赔/合同等批量处理，驱动自动化与 RAG 检索。
这些场景均由官网“Use cases”与客户案例风格化展示与表述。
九、与常见替代方案的区分要点（简述）
- 不是传统 OCR：强调 VLM 复核 + Agentic 纠错，提升复杂表格/图表与跨页结构理解的可靠性；
- LLM-ready 输出：提供结构化 JSON、分块与嵌入优化，直接喂入向量库/LLM 的 RAG 与自动化链路；
- 企业特性：SOC2/HIPAA、ZDR、驻留/本地化与 RBAC/SSO，降低落地门槛与合规阻力。
十、适合谁 / 可能不适合谁
适合：
- 有复杂文档（大表格、图表、扫描件、多语言/手写体）的生产级解析/抽取需求；
- 需要RAG/自动化中高质量分块与字段抽取、并要求可审计/可追溯；
- 对合规与驻留/本地化有严格要求的医疗/金融/法律/政府等。
可能不适合：
- 仅需极简 OCR、无结构保持/无 LLM 管线集成的轻量场景；
- 对本地离线完全断网和极端资源受限设备上的运行有刚性需求，但不考虑企业版本地化部署的团队。
十一、快速上手（实务建议）
- 在 Studio 里用少量样例文件试跑 Parse/Extract，观察版面结构与字段映射；
- 在文档 API 中对比不同 OCR/VLM 配置、分块策略与表格输出格式，借助“评估”功能做 A/B；
- 若涉及 PHI/PII，选择 Growth/Enterprise，启用 ZDR + BAA 与数据驻留；
- 需要大吞吐或内网部署时，联系企业版开通 VPC/On-prem 与自定义 SLA。