ParseBench 是 LlamaIndex 推出的文档解析基准测试，用于统一评估各文档 OCR 与解析模型在真实文档上的表现。它与其配套的 OpenDocRouter 统一 API 一起，构成了目前 RAG 与智能体场景下选择文档解析方案的重要参考。
ParseBench 近期进展
当前焦点与观察点
ParseBench 反映出的核心趋势是：文档解析正从单一 OCR 准确率比拼，转向质量、延迟、成本三个维度的综合评估。百度开源了 Unlimited OCR 模型，LightOn OCR-3 走开源路线，Mistral OCR 强调每页延迟，GPT-6.1 Sol 也宣称在 OCR 任务上有提升，通用大模型与专用 OCR 模型的边界正变得模糊。
值得关注的是，此前对 16 个前沿 VLM 的评测曾指出 Opus 5.5 性价比最佳，这提示多模态大模型在文档解析上未必输给专用模型。对使用者而言，ParseBench 的价值在于把厂商宣称的指标放到统一基准下验证，但其榜单更新速度能否跟上模型迭代、评测集是否覆盖足够多样的真实文档类型，仍是判断其长期权威性的关键观察点。