结构化数据抽取用哪个模型

结论先行：抽取任务的成功标准不是「文笔好」，而是字段能解析**。因此选型的核心是「JSON 稳定性 + 单价」，而不是模型排名。站内几个常见的抽取档位：GLM-5.3 Flash 输入 $0.165、GPT-5-mini 输入 $0.275、Gemini 2.5 Flash 输入 $0.33（均每百万 token）。**

抽取档位对照（采集 2026-10-08）

模型	输入价	输出价	上下文	输入模态
GLM-5.3 Flash	$0.165	$0.55	105 万	文本、图像、视频
GPT-5-mini	$0.275	$2.2	40 万	文本、图像、文件
Gemini 2.5 Flash	$0.33	$2.75	105 万	文件、图像、文本、音频、视频
Mistral Medium	$1.65	$8.25	26 万	文本、图像、文件

需要读图或读 PDF 时，选择输入模态包含图像/文件的档位（表中模态列已标明）。

让 JSON 稳定下来的四个做法

1. 给字段定义与示例：字段名、类型、可空性写进提示词
2. 要求只输出 JSON：明确「不要解释、不要 Markdown 代码块」
3. 程序侧校验并重试：解析失败时把错误信息回传模型让它修正，最多重试 2 次
4. 字段缺失用 null：不要让它编造，缺失比错误更安全

import json

def extract(text, fields, model="z-ai/glm-5.3-flash", tries=3):
    schema = "、".join(fields)
    prompt = (f"从文本中抽取字段：{schema}。只输出 JSON 对象，缺失字段用 null，不要解释。\n\n{text}")
    for _ in range(tries):
        r = client.chat.completions.create(
            model=model, messages=[{"role": "user", "content": prompt}], max_tokens=800)
        try:
            return json.loads(r.choices[0].message.content.strip())
        except json.JSONDecodeError as e:
            prompt = f"上一次输出无法解析（{e}）。请只输出合法 JSON。\n\n{text}"
    raise ValueError("抽取失败")

成本测算

每份文档平均 3000 token 输入、200 token 输出，处理 1 万份：输入合计约 30 百万 token、输出约 2 百万 token。

• 走 GLM-5.3 Flash：输入约 $4.95
• 走 Gemini 2.5 Flash：输入约 $9.9

抽取类任务的输出极短，因此成本几乎完全由输入价决定——这也是为什么低价档 + 严格校验能同时满足成本与质量。

常见问题

抽取失败率高怎么办？

先看失败原因：多数是输出夹带解释文本。加强「只输出 JSON」约束并在程序侧重试，通常能显著改善。

复杂表单（跨页、手写）怎么处理？

用支持图像输入的档位先把页面转成结构化描述，再做字段抽取，分两步通常比一步更稳。

需要人工复核吗？

建议按 1%~3% 抽样，重点核对金额、日期、编号这三类字段。

价格采集时间？

2026-10-08；站内价 = OpenRouter 挂牌 ×1.1。

---

👉 立即注册，0 元尝鲜套餐试用

相关阅读：customer-support-bot ｜ multimodal-vision ｜ node-openai-sdk