Reductoは先週、r-1を発表した。再設計されたアーキテクチャに基づく新しい解析モデルファミリーの第1弾で、同社のマルチステージのエージェント型OCRを、ページ全体を1回で処理するシングルパスに置き換える。Reductoはr-1が従来の最上位エージェント型モデルよりも高精度で、高速、最大6倍コストが低いとしている。現在はプレビューとして利用可能で、ReductoがホストするV3 Parse APIを経由し、設定フラグで有効化する。オープンウェイトやローカルで動かせるチェックポイントはなく、プラットフォームはマルチテナントクラウド、顧客VPC、オンプレミス、エアギャップ環境に対応する。上位ティアではSOC 2 Type II認証とHIPAA処理もサポートされる。
従来のParseはOCR、レイアウト検出、後処理を別々のステージとして実行し、任意でエージェント型のビジョン言語パスを重ねていた。モデル呼び出しを追加するたびに遅延が増える設計だ。r-1はテキスト、表、図、レイアウト、読書順序、書式、グラウンディングを1回のページ全体パスにまとめ、各ブロックはページ相対のバウンディングボックスを持つ。財務諸表、保険金請求、契約書などを扱うチームは、実用精度に達するために複数のプロバイダを使い分け、後処理を組み合わせる必要があった。r-1の本当の製品価値は、生の文字精度だけでなく、こうしたオーケストレーションコストを減らすことにある。
Reductoは、早期のr-1プレビューで自社の従来エージェント型パイプラインに比べエラー率が20%低下したと報告している。また、社内評価ではAmazon TextractやAzure Document Intelligenceなどのハイパースケーラー製品や大規模LLMより優れていたとしている。価格面では、従来のエージェント型モデルは1ページあたり3〜6セントだったが、r-1は1ページ1セントのフラット料金で、機能乗数やクレジット追加コストはない。Reductoはこれを定額のプロダクト料金表への流れの一環だと説明する。ただし、20%のエラー率削減はReducto自身の以前のパイプラインとの比較であり、ハイパースケーラーやLLMとの比較はベンダー実施で、公開された評価ハーネスやデータセットはない点に注意が必要だ。
ドキュメントによると、r-1はデジタルテキスト、スキャン、手書き、結合セルや入れ子ヘッダーを含むテーブル、段組み、ヘッダー、フッター、サイドバー、読書順序、図の検出と短い説明文の生成、見出し・リスト・太字・下線・打消し線など意味を持つ書式、ページ相対バウンディングボックスによるグラウンディングをネイティブに処理する。Reductoが課題として挙げるロングテールは、密度の高い表、特殊なレイアウト、低品質スキャン、透かし入りコンテンツ、予測可能なテンプレートのない文書だ。打消し線の見落としは契約条項を逆転させ得るし、表の誤読はエージェントに誤った数字を与える。規制対象のパイプラインでは、こうしたエッジケースが特に重要になる。
移行パスを確認しよう。r-1はV3 APIを必要とし、settings.modelを省略したParseリクエストは旧Parseで実行されるため、静かに壊れることはない。Studioで新規に作成するパイプラインはデフォルトでr-1になる。コード例はclient.parse.run(input=upload.file_id, settings={"model":"r-1"})だ。エージェント型処理は完全には廃止されていない。カスタムプロンプトや高度なチャート抽出が必要なワークフローでは、該当ページをエージェント型パイプラインに送り、Reductoがr-1の結果にエージェント処理を追加する。その分レイテンシは増える。既存設定を移行するチームは、一部のレガシー設定が無視されたり未対応だったりするため、r-1の設定互換性ページを先に確認すべきだ。
Reductoは次の2つの開発も予告している。速度とコスト重視のワークロード向けの「r-1 mini」と、ページごとに最適なモデルを選ぶ自動ページ単位ルーティングだ。他のパーサーから移行する組織は、最大5,000ドルのクレジットを申請してサイドバイサイド比較を行うことができる。r-1は、V3 Parse APIのsettings.model:"r-1"を指定してプレビュー利用可能だ。