ExtractBench测试20+模型文档提取

ExtractBench测试20多个模型在文档提取任务上的表现，Qwen 3.8模型表现最佳，GLM-5.3-flash和qwen 3.8 flash新版本也刚刚发布。测试结果基于统一F1的“价值准确性”指标，不包含视觉定位和置信度评分。