You.com ha presentato Extract API, un’interfaccia dedicata al recupero di contenuti web e documenti PDF destinati alle applicazioni basate sull’intelligenza artificiale. Il servizio è stato sviluppato per consentire agli agenti software di accedere ai contenuti integrali delle risorse individuate durante una ricerca, senza limitare l’elaborazione agli estratti restituiti dai motori di ricerca. L’interfaccia può essere utilizzata anche direttamente quando l’applicazione dispone già dell’indirizzo URL del documento da analizzare. L’infrastruttura integra strumenti di acquisizione delle risorse web, gestione della cache ed elaborazione documentale, con configurazioni differenziate in funzione della complessità dei materiali e dei tempi di risposta richiesti.
Extract API prevede tre modalità di recupero dei contenuti. La configurazione predefinita, denominata blend, utilizza una copia precedentemente memorizzata quando disponibile e ricorre all’acquisizione diretta della risorsa in caso contrario. L’opzione fetch forza una nuova acquisizione, mentre cache limita l’elaborazione ai contenuti già conservati nell’infrastruttura. Quando una risorsa non è disponibile nella cache, quest’ultima modalità restituisce una risposta priva del campo contenente il testo. I risultati indicano la provenienza dei contenuti, permettendo alle applicazioni di distinguere le informazioni recuperate in tempo reale da quelle precedentemente memorizzate. Il limite temporale predefinito per ciascuna richiesta è di 30 secondi, configurabile tra due e cento secondi.
Per i documenti PDF, You.com ha introdotto il parametro parse_effort, attraverso il quale selezionare il livello di approfondimento dell’analisi. La modalità standard utilizza un modello avanzato per interpretare le pagine contenenti elementi complessi, come grafici, tabelle, moduli e immagini digitalizzate. La modalità lite estrae invece le informazioni direttamente incorporate nelle pagine del file, risultando particolarmente indicata per documenti digitali prevalentemente testuali. Questa distinzione permette di adeguare il processo di acquisizione alla struttura effettiva della risorsa, evitando di utilizzare elaborazioni multimodali più onerose quando il testo originale è già disponibile in formato digitale.
You.com ha valutato il sistema utilizzando 3.782 pagine appartenenti a dodici dataset di ParseBench-2, confrontando le due modalità di Extract con Exa Contents e Parallel Extract. Nell’interpretazione delle tabelle, Extract standard ha ottenuto un punteggio di 74,9, rispetto a 22,8 per Exa e 0,1 per Parallel. Nell’analisi dei grafici, i risultati sono stati rispettivamente di 76,6, 0,9 e zero. La latenza mediana è risultata pari a undici secondi per standard e 2,6 secondi per lite, rispetto a 1,3 secondi per Exa e 1,8 secondi per Parallel. La valutazione non comprende l’analisi delle coordinate degli elementi grafici, poiché Extract restituisce contenuti interpretati anziché informazioni geometriche sul posizionamento degli oggetti nella pagina.
La tariffazione della modalità lite è pari a 0,90 dollari per mille URL. Standard applica la stessa tariffa di acquisizione, aggiungendo 0,50 dollari per mille pagine elaborate nei documenti PDF. Considerando una lunghezza mediana di 26 pagine, You.com stima un costo di 13,90 dollari per mille documenti processati attraverso standard. Le richieste non completate a causa di problemi dell’infrastruttura You.com non vengono fatturate.
Il servizio offre inoltre la possibilità di attivare condizioni di conservazione zero dei dati senza costi aggiuntivi, previa richiesta. Gli sviluppatori possono accedere gratuitamente all’estrazione dei contenuti web attraverso il server MCP ufficiale, mentre l’integrazione diretta tramite API prevede crediti iniziali di dieci dollari, elevabili a cento utilizzando un indirizzo email aziendale. La precedente Contents API rimane disponibile per gli utilizzatori esistenti, ma le nuove funzionalità di interpretazione documentale vengono sviluppate esclusivamente attraverso Extract.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)
