Datalab

A Datalab surgiu da comunidade de IA documental de código aberto por trás de Marker, Surya, Chandra e Indra — com dezenas de milhares de estrelas no GitHub somadas — e empacota essa pesquisa em uma API gerenciada pronta para produção. A plataforma organiza seus recursos em «processadores»: Convert converte PDF em Markdown, HTML ou JSON com caixas delimitadoras por palavra e dados de gráficos opcionais; Extract extrai campos definidos pelo usuário em JSON com citações e confiança por campo; Segment divide arquivos combinados nos limites naturais de documento; e Eval compara modos de análise nos seus próprios documentos.

Como a equipe detém os modelos, oferece uma flexibilidade de implantação incomum: nuvem gerenciada SOC 2 com plano gratuito, implantação em VPC dentro da sua conta AWS, GCP ou Azure, ou instalação on-premises totalmente isolada sem acesso à internet. O trabalho público de benchmarks — em especial o OmniParseBench, com mais de dezesseis mil testes de aprovação/reprovação — sustenta a alegação de que o modo accurate lidera APIs concorrentes, sobretudo em tabelas e layouts multicoluna.

Os compradores típicos são laboratórios de pesquisa de IA de ponta que montam corpora de treinamento, além de setores regulados como serviços financeiros, saúde, seguros e jurídico, onde a rastreabilidade pesa tanto quanto a precisão bruta. O processamento em lote mira volumes muito grandes: a empresa descreve execuções gerenciadas processando mais de um bilhão de páginas por dia.