Reducto、単一パス文書解析モデル「r-1」を公開しエラー率20%削減

先週、Reducto は新モデル「r-1」を発表しました。これは書き換えられたアーキテクチャを基盤とした新しいパーシングファミリーの第 1弾であり、同社が従来採用していた多段階のアジェンシー型 OCR を置き換える、単一のフルページ処理モデルです。Reducto によると、r-1 は同社の最も強力な既存のアジェンシーモデルよりも精度が高く、処理速度も速く、コストは最大で 6 分の 1 に抑えられるとのことです。

では、今日すぐに導入できるのでしょうか？はい、プレビュー版として利用可能です。r-1 は Reducto の V3 ベースのホスト型 Parse API で動作し、設定フラグを切り替えるだけで有効化できます。オープンウェイト版はなく、ローカルでチェックポイントを自己ホストすることもできません。ただし、Reducto プラットフォームはセキュリティポリシーに基づき、マルチテナントクラウド、顧客 VPC、オンプレミス、エアギャップ環境へのインストールをサポートしています。また、上位プランでは SOC 2 Type II の認証取得や HIPAA 対応も可能です。

パイプラインからシングルパスへ

従来の Parse は、OCR、レイアウト検出、後処理を別々の工程として行い、必要に応じてアジェンシー型ビジョン言語モデルのパスを追加する構成でした。各工程でモデル呼び出しが増えるほど、レイテンシも増大します。一方、r-1 はテキスト、表、図、レイアウト、読み順、書式、およびグラウンディング情報をすべて単一のフルページ処理に統合しました。各ブロックにはページ相対的なバウンディングボックスが付与され、コンテンツがページのどの位置にあるかを明確に紐付けます。

この集約こそが、r-1 の真の製品価値です。財務諸表、保険請求書、契約書の処理を担当するチームは、通常、ファイルを複数のプロバイダ間で転送し、実用的な精度を得るために後処理を付加する必要があります。r-1 は文字認識の精度だけでなく、こうしたオーケストレーションコストの削減に焦点を当てています。

数値について

Reducto は、自社が従来運用していたエージェント型パイプラインと比較して、早期プレビュー版「r-1」の誤り率を 20% 削減したと発表しました。また、複雑な文書に対する社内評価では、一般的なクラウドプロバイダー製サービスや大規模言語モデル（LLM）を上回る性能を示したとしています。リリースでは、Amazon Textract や Azure Document Intelligence が従来のベンチマークとして言及されています。

価格面では、従来型エージェントモデルは作業負荷に応じて 1 ページあたり 3〜6 セントでした。一方、r-1 は高精度な抽出を実現するための追加機能やクレジットコストを一切含めず、すべて込みで 1 ページあたり 1 セントです。Reducto はこれを、製品料金を一律化するという広範な方針の一環として位置付けています。

なお、この 20% の誤り率削減は、第三者のベンチマークではなく Reducto 自身の従来パイプラインとの比較で算出されたものです。また、クラウドプロバイダーや LLM との直接比較もベンダー主導の評価であり、発表と同時に公開用の評価フレームワークやデータセットが提供されるわけではありません。

r-1 がページ上で解決する課題

ドキュメントによると、r-1 は 1 回のパス処理で以下の機能をネイティブにサポートします。デジタルテキスト、スキャン画像、手書き文字の扱い。セル結合やネストされた見出しを含む周囲の文脈を考慮した表構造の読み取り。列、ヘッダー、フッター、サイドバー、そして読書順序の統合的な解決。図の検出と簡易な説明文の生成。見出し、リスト、太字、下線、取り消し線など意味を持つフォーマットの保持。ページ相対的なバウンディングボックスによる位置情報の紐付けです。

Reducto が指摘する「長尾ケース」とは、密度の高い表、特殊なレイアウト、低品質なスキャン画像、透かし付きのコンテンツ、そして予測不可能なテンプレートに従う文書のことです。取り消し線の誤り一つで契約条項の意味が逆転したり、表の読み間違いでエージェントに間違った数値が渡されたりする可能性があります。規制の厳しいパイプラインにおいて、こうしたエッジケースが重大な影響を及ぼす理由就是这样です。

移行パスと旧スタックの扱い

r-1 では V3 API の利用が必要です。settings.model を指定しない Parse リクエストは依然としてレガシーな Parse で処理されるため、システムが静かに壊れることはありません。Studio で作成された新しいパイプラインはデフォルトで r-1 が設定されます。

result = client.parse.run(
    input=upload.file_id,
    settings={"model": "r-1"}
)

エージェント処理が不要になるわけではありません。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、該当ページは依然としてエージェントパイプラインを経由します。Reducto は r-1 の結果にこのエージェント処理を追加し、レイテンシを伴います。既存の設定を引き継いで移行するチームは、まず r-1 の設定互換性ページを確認してください。一部のレガシー設定は無視されるか、サポート対象外となるためです。

Reducto はさらに、2 つの次期機能も発表しています。1 つ目は速度とコストに敏感なワークロード向けの「r-1 mini」、2 つ目は各ページに適したモデルを自動選択する「ページ単位の自動ルーティング」です。他社のパーサーから移行を検討している組織は、並行比較のために最大 5,000 ドルのクレジットを申請できます。

キーポイント

r-1 は、OCR、レイアウト解析、表認識、書式処理、および座標紐付け（グラウンディング）を単一のフルページパスに統合しました。

Reducto は、自社が従来運用していたエージェント型パイプラインと比較して、エラーを 20% 削減したと発表しました。

ページあたりの料金は従来の 3〜6 セントから一律 1 セントへと大幅に引き下げられています（すべて込みの価格）。

現在、V3 Parse API の settings.model に "r-1" を指定することでプレビュー版を利用可能です。ただし、オープンウェイトは提供されていません。

詳細は Reducto ブログ、Parse r-1 ドキュメント、および X での発表をご覧ください。Twitter や 150k+ML SubReddit へのフォローも歓迎します。また、ニュースレターのご登録もお忘れなく。Telegram をご利用の方にも対応しましたので、ぜひ参加してください。

（本記事は MarkTechPost に掲載された「Reducto Releases r-1: A Single Pass Document Parsing Model That Cuts Errors 20% at 1 Cent Per Page」の翻訳です）