В мире автоматизации бизнес-процессов одной из самых сложных и ресурсоемких задач всегда была работа с неструктурированными данными. invoices, контракты, письма поддержки, фотографии чеков — все это генерирует огромные объемы информации, которую трудно обработать без человеческого вмешательства. Традиционные методы OCR (оптического распознавания символов) часто дают лишь сырой текст, который затем нужно парсить с помощью регулярных выражений, что делает систему хрупкой и сложной в поддержке. Однако эра больших языковых моделей (LLM) предлагает более элегантное решение: не просто читать текст, а понимать его контекст и извлекать конкретные поля.
Сегодня мы говорим о значимом событии на рынке AI-инфраструктуры. Платформа OpenRouter анонсировала запуск Extractions API в статусе Alpha. Это новый инструмент, который позволяет разработчикам и компаниям извлекать специфические детали из текстов, изображений и PDF-документов, просто описывая необходимые поля. Представьте, что вы можете сказать модели: «Найди в этом письме имена отправителя и получателя, а также дату дедлайна», и получить готовый JSON-объект с этими данными, готовый к сохранению в базу данных. Больше никаких сложных парсеров.
В этой статье мы подробно разберем, как работает новая технология, какие модели доступны, как настроить запросы для разных типов данных и какие подводные камни могут ожидать разработчиков при интеграции. Мы также рассмотрим практические примеры кода на Python и Bash, чтобы вы могли сразу приступить к тестированию.
01Что такое Extractions (Извлечения)?
В основе концепции Extractions лежит простая, но мощная идея: вы определяете структуру желаемого результата, а модель находит эти данные в исходном документе. Запрос на извлечение (extraction) — это запрос, в котором вы называете поля, которые хотите получить из документа, и получаете по одному типизированному значению для каждого поля.
Технически запрос состоит из двух основных частей:
- state: Содержит сам текст документа или ключ к изображению/PDF в массиве
assets. - fields: Маппинг имен полей к их спецификациям. Каждая спецификация включает тип данных (
type) и, опционально, инструкции (instructions), которые объясняют модели, что именно означает это поле в контексте документа.
На данный момент доступно девять типов полей. Каждый из них возвращается в формате JSON, что позволяет сохранять данные без дополнительного парсинга. Давайте рассмотрим пример с инвойсом, чтобы понять, как это работает на практике. Представьте, что у нас есть текст счета, и мы хотим извлечь из него номер счета, общую сумму, дату оплаты, контакты, номер заказа и предполагаемые сроки оплаты.
Типы полей и их поведение
Каждый тип поля имеет свои особенности обработки и возврата данных. Вот как они работают:
- text: Строка, прочитанная из документа. Например, номер счета «INV-4417».
- number: Число, где вы можете указать количество десятичных знаков и валюту. Например, 3850 USD.
- date: Дата в формате ISO. Модель может как прочитать дату из текста, так и вычислить ее на основе других полей (например, дата выставления + условия оплаты).
- time / datetime: Время или дата и время в формате ISO.
- list: Массив элементов типа text, number или date. Например, список контактов.
- duration: Число в выбранной единице измерения (от секунд до лет).
- estimate: Распределение вероятностей для величины, которую документ подразумевает, но не указывает точно. Возвращает медиану, а также проценты p10 и p90, что позволяет оценить неопределенность.
- forecast: Аналогично estimate, но для прогнозирования значений в будущем на определенном горизонте.

Важнейшей частью системы является «модель доверия» (trust model). Каждое значение сопровождается метрикой confidence (уверенность модели) и p_null (вероятность того, что поле отсутствует в документе). Если p_null превышает установленный порог, значение становится null, а не ошибочным нулем. Это критически важно для бизнес-логики: вы можете настроить систему так, чтобы значения с низкой уверенностью отправлялись на проверку человеку, а надежные — автоматически сохранялись.
021. Извлечение из текста
Самый простой сценарий использования — работа с чистым текстом. Входящие данные — это текст документа и список именованных полей. На выходе вы получаете одно значение на поле, а также метаданные: span (интервал символов в тексте, откуда взято значение), confidence и p_null.
Рассмотрим пример запроса к модели cloudflare/clairic. Стоимость такого запроса составляет всего $0.00011. Мы передаем текст инвойса и определяем поля: номер счета, общая сумма, дата оплаты, контакты, номер заказа и оценка сроков оплаты.
curl https://openrouter.ai/api/alpha/extractions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "cloudflare/clairic",
"state": "Invoice INV-4417 from Larkspur Studio, issued 2026-10-14, payment terms net 45. Bill to: Harbor & Pine LLC. Contacts: Dana Ruiz (dana@harborpine.example), Priya Shah. Line items: brand audit 2,400.00; icon set 1,150.00; rush fee 300.00. Total due $3,850.00. Late payments accrue 1.5% per month.",
"fields": {
"invoice_number": { "type": "text" },
"total": { "type": "number", "decimals": 2, "unit": "USD" },
"due_date": { "type": "date", "instructions": "Issue date plus the net payment days" },
"contacts": { "type": "list", "items": "text", "instructions": "People named as contacts" },
"po_number": { "type": "text", "instructions": "Purchase order number, if any" },
"days_to_pay": { "type": "estimate", "min": 0, "max": 120, "step": 1, "instructions": "How many days after issue this invoice will actually be paid" }
},
"reference_date": "2026-11-06"
}'Результат работы модели демонстрирует высокую точность. Например, для поля due_date в тексте нет явной даты, но модель вычислила ее, добавив 45 дней к дате выставления. Для поля po_number модель вернула null, так как номер заказа в тексте отсутствует, но при этом указала guess («INV-4417»), показывая, на что она могла бы предположительно ответить. Поле days_to_pay типа estimate вернуло распределение: медиана 45 дней, с 80% вероятностью значение находится между 42 и 47 днями.
Для разработчиков на Python важно отметить, что вы можете использовать span для извлечения оригинального фрагмента текста. Это позволяет показать пользователю не только извлеченное значение, но и его контекст, повышая доверие к системе.
032. Извлечение из изображений
Второй сценарий — работа с изображениями. Входящие данные включают изображение, переданное в массиве assets в формате base64, и ссылку на него из state. На выходе вы получаете ту же структуру записи, но с дополнительными полями: source: "image" для значений, извлеченных из картинки, и spell_confidence для текстовых полей, что указывает на уверенность модели в правильности распознавания символов.
Важно понимать: API возвращает значения, а не координаты на изображении. Если на скриншоте в документации показаны рамки вокруг текста, это визуализация для демонстрации. В реальном ответе вы получите только данные.
Пример запроса к модели Clairic для обработки чека:

import base64
import os
import requests
API = "https://openrouter.ai/api/alpha/extractions"
HEADERS = {"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"}
with open("receipt.png", "rb") as f:
receipt = base64.b64encode(f.read()).decode()
r = requests.post(
API,
headers=HEADERS,
json={
"model": "cloudflare/clairic",
"state": "receipt",
"assets": {
"receipt": {
"type": "image",
"format": "png",
"data_base64": receipt
}
},
"fields": {
"merchant": { "type": "text" },
"total": { "type": "number", "decimals": 2 },
"paid_on": { "type": "date" },
"tax": { "type": "number", "decimals": 2, "instructions": "Sales tax charged" },
"tip": { "type": "number", "decimals": 2, "instructions": "Gratuity, if any" }
}
}
)
r.raise_for_status()
print(r.json()["answers"])В этом примере модель успешно распознала общую сумму, дату и налог с высокой уверенностью (>0.99). Однако имя магазина «NORTH HAROR C» было распознано с ошибкой (правильно: «NORTH HARBOR CAFE»). Модель честно указывает это через низкий spell_confidence (0.73). Это идеальный сигнал для маршрутизации: вы можете настроить систему так, чтобы поля с низким spell_confidence отправлялись на ручную проверку.
043. Извлечение из файлов (PDF)
Для работы с PDF-документами используется модель ScaleDown Extract. В отличие от Clairic, которая читает только изображения, Extract специализируется на документах. Он читает один PDF или изображение за запрос и отвечает за поля типов text и list.
Пример запроса к scaledown/extract:
curl https://openrouter.ai/api/alpha/extractions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d @- <Модель успешно извлекла номер заказа, поставщика, общую сумму, дату доставки и список товаров из таблицы. Однако есть важные отличия от Clairic: Extract не поддерживает типы number или date, поэтому сумма и дата возвращаются как строки, как они есть на странице. Также Extract не возвращает p_null или span, но предоставляет confidence для каждого значения. Это означает, что вам нужно самостоятельно обрабатывать строковые данные и полагаться на метрику уверенности.
05Доступные модели
На старте доступно три модели, каждая из которых оптимизирована под свои задачи:
- Cloudflare Clairic (
cloudflare/clairic): Универсальная модель. Читает текст и до 4 изображений (PNG/JPEG). Поддерживает все типы полей, включаяestimateиforecast. Возвращаетp_null,spanи распределения. Идеальна для сложных задач с изображениями и вычислениями. Цена: $0.10/млн токенов. - ScaleDown Extract (
scaledown/extract): Специализирована для PDF и изображений. Поддерживает толькоtextиlist. Не возвращаетp_null. Идеальна для извлечения текста из документов. Цена: $0.04/млн токенов. - Inception Mercury Decide (
inception/mercury-decide): Работает только с текстом. Поддерживаетtextиlist. Самая дешевая опция ($0.02/млн токенов). Идеальна для простых задач извлечения имен или фраз из писем или тикетов. Не поддерживаетreference_date.
Обратите внимание, что вывод (output) бесплатен для всех трех моделей. Цены указаны на момент анонса и могут меняться.
06Решения (Decisions) vs. Извлечения (Extractions)
Важно не путать Extractions API с другим продуктом OpenRouter — Decisions API. Оба используют схожую структуру запроса, но решают разные задачи.

Decisions: Вы предоставляете модели варианты ответов, а модель выбирает наиболее вероятный. Это инструмент для классификации и принятия решений. Например: «Является ли это письмо жалобой?», «Какой из пяти терминов применим?», «Насколько серьезна эта проблема?». Модель никогда не придумает ответ, которого нет в вашем списке вариантов. Это делает Decisions идеальным для задач, где важна строгость и предсказуемость.
Extractions: Вы называете поле, а модель находит значение. Это инструмент для извлечения данных. Модель может найти значение, которого нет в заранее заданном списке, или вычислить его. Это делает Extractions идеальным для задач, где структура данных может варьироваться.
07Что это значит на практике
Запуск Extractions API открывает новые возможности для автоматизации документооборота. Разработчики могут создавать системы, которые:
- Автоматически обрабатывают счета-фактуры, извлекая суммы, даты и номера заказов, с возможностью маршрутизации ошибок на проверку.
- Анализируют фотографии чеков для reimbursement-систем, используя
spell_confidenceдля фильтрации нечетких изображений. - Извлекают ключевые данные из контрактов и юридических документов, используя PDF-специфичные модели.
- Структурируют входящие письма поддержки, извлекая имена, даты и суть проблемы.
Ключевое преимущество — это снижение сложности интеграции. Вместо написания сложных парсеров для каждого типа документа, вы описываете поля, и AI делает остальную работу. При этом наличие метрик уверенности позволяет строить гибридные системы, где AI обрабатывает рутину, а люди контролируют сложные или неясные случаи.
Для разработчиков в России и СНГ важно отметить, что OpenRouter предоставляет доступ к этим моделям через единый API, что упрощает интеграцию с различными провайдерами. Однако следует учитывать возможные ограничения на доступ к некоторым сервисам и необходимость использования локальных решений или прокси для стабильной работы. Тем не менее, возможность локального запуска некоторых моделей или использования альтернативных провайдеров через OpenRouter делает эту технологию доступной для широкого круга пользователей.
Extractions API находится в стадии Alpha, что означает активное развитие и возможные изменения. Однако уже сейчас он демонстрирует высокую эффективность и потенциал для трансформации процессов обработки документов. Рекомендуем начать с тестирования на простых задачах, чтобы оценить точность и стоимость для ваших конкретных use-cases.
Источник: OpenRouter ↗
