文档理解领域近期迎来标准化基准和模型更新的密集进展，但模型表现并不平衡。
- 近期主要进展：
- LlamaIndex 团队在 CVPR 2026 发布 ParseBench，号称首个面向 AI 智能体的文档理解基准，涵盖表格、布局、多模态等复杂场景。LlamIndex 发布 ParseBench：CVPR 2026 最全文档理解基准
- Anthropic 的 Fable 5 在 ParseBench 测试中取得领先成绩，但后续有自曝“懒惰”问题，显示模型在部分任务上表现不稳定。Claude Fable 5 在文档理解上表现平平，自曝“懒惰”
- Opus 4.8 在文档理解基准测试中表格处理能力提升，但内容忠实度反而下降，暴露出优化中的 trade-off。Opus 4.8 文档理解基准测试：表格提升但内容忠实度下降
- Infi 发布 Infinity-Parser2 系列，声称登顶文档理解榜单，强调对复杂版式的解析能力。INF 发布 Infinity-Parser2 系列，登顶文档理解榜单
当前焦点 / 未来观察点：
当前焦点在于基准统一与模型可靠性：ParseBench 成为较权威的参考，但模型间的排名波动较大，且存在“懒惰”等意想不到的行为退化。未来需关注：1) 多模态与纯文本理解的融合效果；2) 模型在长文档、推理场景中的持续表现；3) 基准自身能否覆盖真实业务中多样化的文档形态。