近日,人工智能公司 Anthropic 宣布,在其 Claude 3.5 Sonnet 模型中增加了 PDF 文件处理的功能,目前该功能已进入公共测试阶段。用户现在可以使用该模型分析 PDF 文档中的文本和视觉元素,包括图像、图表和表格等,适用于金融报告、法律文件以及文档翻译等多种场景。

Claude 3.5 Sonnet 的 PDF 处理过程分为三个步骤。首先,系统会从文档中提取文本内容。接着,每一页文档会被转换为图像,以便进行更深入的分析。这样一来,用户不仅可以获取文本信息,还能够洞悉 PDF 文件中的视觉信息。

值得一提的是,Claude 的 PDF 功能还可以与其他功能结合使用,比如提取特定信息并将其用作工具输入。需要注意的是,上传的文件必须小于 32MB,且页面数量不得超过 100 页。该系统目前不支持加密或密码保护的文档。

处理 PDF 文件的费用会根据文档的长度和内容密度有所不同。通常,每页文档会消耗 1,500 到 3,000 个 tokens,而不收取超过标准 token 费用的额外费用。用户可以通过 Claude Chat 功能预览和 API 访问来使用这一新特性,API 请求中需要使用特定的请求头 “anthropic-beta: pdfs-2024-09-25”。Anthropic 计划未来将此功能扩展到 Amazon Bedrock 和 Google Vertex AI 平台。

为了提高处理效果,Anthropic 建议用户确保文档中有清晰可读的文本,以及页面布局正确。此外,在引用特定内容时,用户应使用 PDF 阅读器中显示的页码。而在 API 使用过程中,PDF 文件应放置在文本之前。如果文档较大,超过了限制,Anthropic 建议将其拆分为较小的部分。最后,当多次分析同一文档时,用户还可以考虑使用提示缓存,以提高处理效率。

划重点:

📄 Anthropic 推出 Claude 3.5 Sonnet,增加 PDF 文件处理功能,支持文本和图像分析。  

🖼️ 处理过程分为提取文本、转换页面为图像和综合分析三个步骤。  

💰 处理费用根据文档长度和内容密度而异,用户需遵循文件大小和页数限制。