使用GPT-4o API、Claude Sonnet 3.5 API和Invofox API解析文档

使用GPT-4o API、Claude Sonnet 3.5 API和Invofox API解析文档（附代码示例）

从非结构化文档（如PDF和图片）中提取结构化数据可能很快变得棘手。
随着基础模型和专用API的兴起，如今仅需几行代码就能将混乱的发票转换为整洁的JSON。
因此，我将比较三种不同的文档解析方法：使用OpenAI的GPT-4o、Anthropic的Claude 3.5 Sonnet以及Invofox API。

我选择Invofox是因为它是一家由YC支持的初创公司，专门为文档解析而构建。它使用了针对发票和其他文档优化的专用模型（自有模型和最佳LLM组合），而GPT/Claude是通用型大语言模型。

你将看到真实的Python代码、实际输出结果以及每种工具的适用场景分析（优缺点）。文末还附有详细的功能与性能对比表格。
完整代码可在GitHub仓库中找到。

🎯 使用 GPT-4o (ChatGPT) API

让我们从OpenAI的GPT-4o开始。它能够在正确提示下理解文本并提取结构化信息。但与Invofox不同，它无法直接读取PDF文件。

因此我们需要先使用OCR工具（如Tesseract、pdfplumber或在线工具）提取文本，然后通过API提示将该文本发送给GPT。

GPT-4o（特别是通过ChatGPT网页界面和某些API端点，尤其是Azure OpenAI服务中的接口）可以接受PDF和图像作为输入并提取结构化数据。但由于我们使用的是API，实际上无法实现这一功能。

你需要一个OpenAI API密钥。创建一个.env文件并按以下格式配置：

OPENAI_API_KEY=your_api_key

OPENAI_API_KEY=your_api_key

OpenAI API密钥

我们将使用Python来实现这一功能。以下是您可以亲自动手尝试的逐步指南。

第一步：配置Python环境

创建虚拟环境意味着为你的Python项目建立一个隔离的空间，所有依赖项都安装在本地（而非系统全局）。这样可以避免版本冲突并保持全局Python环境的整洁。下面我们来创建一个。

# macOS / Linux:
python3 -m venv env  # creates a folder called 'env' with a local Python setup
source env/bin/activate  # activates that environment

# Windows:
python -m venv env    # same as above
.\env\Scripts\activate  # activates it (Windows PowerShell / CMD)

当你在终端提示符开头看到 (env) 时，就表示它已激活。

第二步：安装所需软件包

我们需要两个主要库：

• pdfplumber : 用于从PDF发票中提取文本

• openai：用于调用GPT-4o API

• python-dotenv : 从 .env 文件中加载环境变量到 Python 中，适用于管理 API 密钥和敏感信息。

pip install pdfplumber openai python-dotenv

我后来安装了python-dotenv，所以命令中看不到它。

安装完依赖项后，运行：

pip freeze > requirements.txt

这会将虚拟环境中所有已安装的包（及其版本）写入requirements.txt文件。之后您可以通过以下方式使用该文件：

pip install -r requirements.txt

为方便参考，请在根目录下添加一个.gitignore文件，以避免推送虚拟环境目录。

步骤3：提取文本并用GPT-4o解析

这是用于示例的发票PDF样本。我附上了截图以便您了解我们将要提取的字段内容。

我们将以openai-main.py为文件名编写完整代码。

import pdfplumber
import openai
from dotenv import load_dotenv
import os

load_dotenv()
client = openai.OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

def extract_text_from_pdf(pdf_path):
    text = ""
    with pdfplumber.open(pdf_path) as pdf:
        for page in pdf.pages:
            page_text = page.extract_text()
            if page_text:
                text += page_text + "\n"
    return text

def parse_invoice_with_openai(invoice_text):
    prompt = (
        "Extract the following fields from this invoice text and return as a JSON object:\n"
        "- Invoice Number\n"
        "- Invoice Date\n"
        "- Due Date\n"
        "- Invoice Status (e.g. unpaid/paid)\n"
        "- Sender Name and Email\n"
        "- Recipient Name and Email\n"
        "- Items (description, quantity, rate)\n"
        "- Total Amount\n"
        "- Memo\n\n"
        "Invoice Text:\n"
        f"{invoice_text}"
    )

    response = client.chat.completions.create(
        model="gpt-4",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": prompt},
        ],
        max_tokens=500,
        temperature=0,
    )
    return response.choices[0].message.content

if __name__ == "__main__":
    pdf_path = "invoice_sample.pdf"
    invoice_text = extract_text_from_pdf(pdf_path)
    parsed_data = parse_invoice_with_openai(invoice_text)
    print(parsed_data)

这是一个简单的解释：

• extract_text_from_pdf：使用pdfplumber读取PDF的每一页并将提取的文本拼接起来。这将为您提供原始的、非结构化的发票内容字符串。

• parse_invoice_with_openai : 通过ChatCompletion端点向GPT-4o模型发送此提示，要求GPT-4o提取五个关键字段。

• 模型随后处理提示并返回一个JSON格式的响应。

步骤4：输出结果

以下是运行脚本 python openai-main.py 后的 JSON 响应。

{
  "Invoice Number": "2-7-25",
  "Invoice Date": "July 2, 2025",       
  "Due Date": "Upon receipt",
  "Invoice Status": "UNPAID",
  "Sender Name and Email": {
    "Name": "Anmol Baranwal",
    "Email": "hi@anmolbaranwal.com"     
  },
  "Recipient Name and Email": {
    "Name": "Anmol Baranwal",
    "Email": "anmolbaranwal09@gmail.com"
  },
  "Line Items": [
    {
      "Description": "Testing",
      "Quantity": 1,
      "Rate": "$50.00",
      "Total": "$50.00"
    },
    {
      "Description": "Development",
      "Quantity": 1,
      "Rate": "$100.00",
      "Total": "$100.00"
    },
    {
      "Description": "Blog",
      "Quantity": 1,
      "Rate": "$50.00",
      "Total": "$50.00"
    }
  ],
  "Subtotal": "$200.00",
  "Total Amount": "$200.00",
  "Memo or Notes": "Thank you! This is a sample invoice for testing document parsing with AI models."
}

GPT-4o（ChatGPT）输出的发票行项目标签并不统一使用"lines"。有时会显示为"Line Items"或其他非标准名称，而其他工具（如Invofox）则始终使用统一名称如"lines"来标识这些条目。

终端输出

我们通过系统提示指导GPT-4o解析文本。由于当前API能力已足够强大（相比之前的OpenAI模型），这种方式能取得不错的效果。
✅ 优点：易于尝试，灵活性强。GPT-4擅长逻辑处理和结构化数据提取，因此能准确识别发票字段并计算总金额。
⚠️ 缺点：

• 我认为问题在于我们仍需设计提示词并验证输出（这对大多数人来说并不现实）。

• JSON 可能存在格式错误或字段缺失（可能出现幻觉数据）。

• 没有内置的验证或置信度评分。

• GPT需要发送提示中的所有文本（对于大型文档来说成本高昂），且输出结果会因提示风格而异。

GPT-4o按令牌计费。针对1-2页发票内容提取的预估费用在0.005-0.018美元区间，具体取决于提示词和输出内容的详细程度。您也可以根据实际使用场景，通过这个价格计算器进行测算。
响应时间通常在1-30秒之间，但可能因流量高峰出现延迟，特别是处理大型提示时。

🎯 使用 Claude 3.5 Sonnet API

Anthropic的Claude 3.5 Sonnet模型在正确提示下同样能够解析文本中的结构化数据。与GPT-4o类似，该模型无法通过API直接读取PDF文件，因此我们需要先从发票PDF中提取文本，再传递给Claude进行结构化解析。

您需要一个Anthropic API密钥。请创建一个.env文件并按以下格式配置：

ANTHROPIC_API_KEY=your_api_key

我们将再次使用Python进行配置，并遵循上一节相同的操作指南。

第一步：设置环境并安装依赖包

与之前一样，让我们在虚拟环境中隔离依赖项。

# macOS / Linux:
python3 -m venv env
source env/bin/activate

# Windows:
python -m venv env
.\env\Scripts\activate

终端激活后，会显示 (env) 前缀。
我们需要以下库：

• pdfplumber：用于从PDF中提取文本

• anthropic：与Claude 3.5交互的官方SDK

• python-dotenv：用于从 .env 文件加载 API 密钥

pip install pdfplumber anthropic python-dotenv

若您正接续前例操作，我们只需安装anthropic包即可。

随后将环境导出至requirements.txt文件。请务必添加.gitignore文件以避免提交虚拟环境。

pip freeze > requirements.txt

第二步：提取文本并用Claude 3.5 Sonnet解析

随着Anthropic推出更安全、更强大的模型，他们会定期淘汰旧模型。你可以查看模型状态了解哪些模型已弃用、退役，哪些仍在活跃使用。本示例将使用当前活跃版本claude-3-5-sonnet-20240620。

让我们编写完整代码，文件名为anthropic-main.py。这与上一节非常相似，我使用了相同的发票PDF样本。

import pdfplumber
import anthropic
import os
from dotenv import load_dotenv

load_dotenv()
api_key = os.getenv("ANTHROPIC_API_KEY")
client = anthropic.Anthropic(api_key=api_key)

print("API Key loaded:", api_key[:12], "...")

def extract_text_from_pdf(pdf_path):
    text = ""
    with pdfplumber.open(pdf_path) as pdf:
        for page in pdf.pages:
            text += page.extract_text() + "\n"
    return text

def parse_invoice_with_claude(invoice_text):

    prompt = (
        "Extract the following fields from this invoice text and return as a JSON object:\n"
        "- Invoice Number\n"
        "- Invoice Date\n"
        "- Due Date\n"
        "- Invoice Status (e.g. unpaid/paid)\n"
        "- Sender Name and Email\n"
        "- Recipient Name and Email\n"
        "- Items (description, quantity, rate)\n"
        "- Total Amount\n"
        "- Memo\n\n"
        "Invoice Text:\n"
        f"{invoice_text}"
    )

    response = client.messages.create(
        model="claude-3-5-sonnet-20240620",
        max_tokens=500,
        temperature=0,
        messages=[{"role": "user", "content": prompt}],
    )

    return response.content[0].text

if __name__ == "__main__":
    pdf_path = "invoice_sample.pdf"
    invoice_text = extract_text_from_pdf(pdf_path)
    parsed_data = parse_invoice_with_claude(invoice_text)
    print(parsed_data)

这是一个简单的说明：

• extract_text_from_pdf : 使用 pdfplumber 从 PDF 的每一页提取纯文本。

• parse_invoice_with_claude：将文本发送给Claude Sonnet 3.5，并使用特定提示要求其输出JSON格式。

• Claude 返回一个包含所请求字段的字符串化 JSON 块。

步骤3：输出

你可以在终端中使用 python anthropic-main.py 来运行脚本。以下是JSON响应：

{
  "invoiceNumber": "2-7-25",
  "invoiceDate": "July 2, 2025",
  "dueDate": "Upon receipt",
  "invoiceStatus": "UNPAID",
  "senderName": "Anmol Baranwal",
  "senderEmail": "hi@anmolbaranwal.com",        
  "recipientName": "Anmol Baranwal",
  "recipientEmail": "anmolbaranwal09@gmail.com",
  "items": [
    {
      "description": "Testing",
      "quantity": 1,
      "rate": 50.00
    },
    {
      "description": "Development",
      "quantity": 1,
      "rate": 100.00
    },
    {
      "description": "Blog",
      "quantity": 1,
      "rate": 50.00
    }
  ],
  "totalAmount": 200.00,
  "memo": "Thank you! This is a sample invoice for testing document parsing with AI models."
}

✅ 优点：

• Claude 3.5 在理解长文本和清晰格式化方面表现非常出色。

• Claude Sonnet 能够处理其提示中的文本（甚至通过嵌入处理图像）

• 在某些情况下，它对异常或长文档的处理能力略优于GPT-4。

⚠️ 缺点：

• 与GPT类似，Claude也需要进行提示词工程。

• 与GPT类似，Claude有时也会遗漏字段或编造数值（产生幻觉）。

• 它仍然返回未经验证的原始JSON文本，因此你必须进行解析/验证。

• 你仍需自行提取文本，它无法解析原始PDF文件。

Claude 3.5 Sonnet 同样采用按 token 计费模式。针对 1-2 页发票内容提取的场景，预估成本在 0.005-0.018 美元区间浮动，具体取决于提示词和输出内容的详细程度。您也可以根据实际使用场景，通过这个成本计算器进行测算。

该模型处理简短提示（200-300毫秒）时表现出极快的响应速度，但面对更庞大或更复杂的输入时，延迟可能会升至10秒甚至更高。

🎯 使用Invofox API

我在寻找比基于代码（如OpenAI和Anthropic）需要提示工程的方法更好的解决方案时，发现了许多不错的工具，比如Invofox、Google Document AI、Amazon Textract等。
其中Invofox脱颖而出，因为它有Y Combinator的支持，并且具备我需要的所有功能。这让我有信心深入研究并尝试使用它。
它提供了一个即插即用、由AI驱动的文档解析API，可以非常轻松地从发票、收据、工资单、银行对账单、贷款/抵押文件以及自定义文档类型（如账单）中提取数据。
他们还有一些实用的内置功能，例如：

• ✅ 分割器

该系统能自动将单个PDF中包含的多个文档（如混合发票或对账单）进行分离，将页面按逻辑归类为子文档，从而实现更高效的提取与自动化处理。
用户可通过上传时的API进行配置，该功能与分类器协同工作，确保下游处理流程更加清晰可靠

（严格保留原文中的技术术语和功能描述，采用"对账单/下游处理"等专业表述，并保持"API/classifier"等英文专业名词不翻译。通过"归类为/协同工作"等动词结构准确传达技术逻辑，同时使用"更高效/更加清晰可靠"符合中文技术文档的表述习惯）

• ✅ 分类器

预训练AI模型，可自动识别文档类型（如发票、收据等），确保每份文档都能按正确模板处理。该功能为可选配置，可按环境或单次请求灵活启用。

系统还搭载了采用专利算法的高级AI模型，可智能校验并自动补全数据。查看API文档了解更多。

第一步：注册控制台账号

您可以注册仪表盘来生成API密钥。

您也可以手动上传文档，但我们将使用API，因为操作更简便且体验更优。

第二步：在Postman中创建请求

获取API密钥后，您可以使用Postman通过Invofox的/uploads端点发送待解析文档。
具体设置步骤如下：
✅ 1. 创建新请求

• 打开Postman桌面应用程序

• 创建一个集合并添加请求

• 将方法设置为 POST

• 我们需要请求这个端点：https://api.invofox.com/v1/ingest/uploads

✅ 2. 设置请求头
切换到Headers标签页并添加:

• key: 接受, value: application/json

• 键: x-api-key, 值: your_invofox_api_key

你不应手动设置 Content-Type，因为在使用 form-data 时 Postman 会自动处理。它会告知服务器请求体中数据的格式：

• application/json → 您正在发送原始JSON数据

• multipart/form-data → 您正在发送文件及表单字段

• application/x-www-form-urlencoded → 您正在发送类似表单的文本字段（类似于HTML表单）

当你使用 Postman 的 form-data 选项发送文件时，Postman 会自动设置正确的 Content-Type 和 boundary 值（这是 multipart/form-data 必需的）。
如果你手动设置成这样：

Content-Type: multipart/form-data

您遗漏了边界部分，这部分类似于：

Content-Type: multipart/form-data; boundary=----WebKitFormBoundaryxyz

让我们添加正文字段。
✅ 3. 添加正文 (form-data)
切换到 Body 选项卡，选择 form-data 并添加以下两个字段：

• 键：文件，类型：文件，值：上传您的发票（invoice_sample.pdf）

• key: info, type: text, value: 请粘贴下方的JSON

{
  "type": "6840c4511cbcc77119347248",
  // data field is optional
  "data": {
    "companyActsLike": "issuer"
  }
}

此处data字段为可选项，仅当需要传递自定义元数据或额外指令时使用（例如用于影响解析逻辑的信息、验证偏好设置，或为自定义文档类型注册特殊用例）。

除标准类型（发票、工资单、银行对账单）外，您可在Invofox控制台注册自定义文档类型。这些自定义类型会获得类似 6840c4511cbcc77119347248 的唯一ID（示例中所用），这正是我们传递给API的标识。
通过指定类型ID，可确保文件严格按您预设的架构进行解析：

• 您的自定义JSON结构

• 您定义的字段名称

• 自定义验证规则与人工审核流程

✅ 4. 发送请求
点击“发送”。如果所有配置正确，您将收到包含 documentID 详情的响应。

• importID 是本次上传的批次标识（便于追踪同时上传的多个文件）

• documentID 是被解析文档的标识符

{
    "accountId": "683edb9d7ded4695232c4979",
    "environmentId": "683edb9d7ded4695232c497b",
    "importId": "68662d83c3a0849a86a6aa30",
    "files": [
        {
            "id": "68662d83c3a0849a86a6aa33",
            "filename": "invoice_sample.pdf",
            "documentId": "68662d83c3a0849a86a6aa34"
        }
    ]
}

第三步：获取解析后的文档

有两种方法：一是通过Invofox仪表盘查看新解析的文档。您会注意到，行项目和明细以表格形式呈现。图形界面还提供了多种选项，包括对提取数据进行筛选。

根据工作流的设置情况，可能需要将其标记为已完成，因为人工介入能确保最高准确性并赋予我们更多控制权。

另一种（推荐）方式是向 https://api.invofox.com/documents/{documentID} 发起GET请求，请求头需包含：

• 键: accept, 值: application/json

• 键: x-api-key, 值: your_invofox_api_key

这是一个经过精简的JSON响应，保留了原始格式。该响应不仅提供了原始发票的图像，还包含了许多GPT-4o和Claude早期响应所没有的额外字段。

{
  "hasClientRequest": false,
  "canLock": false,
  "canSkip": false,
  ...
  "canEdit": false,
  "result": {
    "_id": "68662d83c3a0849a86a6aa34",
    "account": "683edb9d7ded4695232c4979",
    "environment": "683edb9d7ded4695232c497b",
    "creator": "683edbcbee083d02af5bf7cf",
    "clientData": {},
    "type": "6840c4511cbcc77119347248",
    "name": "invoice_sample.pdf",
    "creation": "2025-07-03T07:13:08.950Z",
    "images": [
      "https://...-1.png"
    ],
    "original": "https://.../invoice_sample.pdf",
    "mimetype": "application/pdf",
    "data": {
      "documentNumber": {
        "value": "2-7-25"
      },
      "issueDate": {
        "value": "2025-07-02"
      },
      "language": {
        "value": "en"
      },
      "breakdowns": [
        {
          "taxRate": { "value": 0 },
          "taxBaseAmount": { "value": 200 },
          "taxAmount": { "value": 0 },
          ...
          "totalAmount": { "value": 200 },
          "grossAmount": { "value": 200 }
        }
      ],
      "lines": [
        {
          "description": { "value": "Testing" },
          "quantity": { "value": 1 },
          ...
          "totalAmount": { "value": 50 },
          "grossAmount": { "value": 50 }
        },
        {
          "description": { "value": "Development" },
          "quantity": { "value": 1 },
          ...
          "totalAmount": { "value": 100 },
          "grossAmount": { "value": 100 }
        },
        {
          "description": { "value": "Blog" },
          "quantity": { "value": 1 },
          ...
          "totalAmount": { "value": 50 },
          "grossAmount": { "value": 50 }
        }
      ],
      "totalTaxBaseAmount": { "value": 200 },
      "totalTaxAmount": { "value": 0 },
      "totalAmount": { "value": 200 }
    },
    "publicState": "approved",
    "confidence": "low",
    "import": {
      "ref": "68662d83c3a0849a86a6aa30",
      "file": "68662d83c3a0849a86a6aa33",
      "filename": "invoice_sample.pdf",
      ...
    },
    ...
  }
}

产品定价未公开，有意向的用户需联系其团队获取商业报价。该产品专为生产环境的速度与可靠性优化，博客中公布的实测响应时间均稳定保持在5秒以内。

🎯 使用Invofox API的Python代码

许多开发者更喜欢通过代码来提取文档，因此让我们使用Python中的Invofox API来演示相同的过程。我们将保持简洁，仅展示代码和JSON响应。
整体流程与前文所述相同，故不再重复。如果您有兴趣自行探索，可以阅读文档。
我们需要安装requests库，这是一个简化HTTP请求（如GET、POST）和Web API调用的Python库。

pip install requests

我们还将使用Python内置的time模块，该模块已预装在所有标准Python环境中。time模块提供了多种与时间相关的功能，例如延迟（time.sleep()）、时间戳等。在本例中，我们将利用它暂停程序执行，确保仪表盘有足够的时间处理文档。

以下是以invofox-main.py为文件名的完整代码：

import requests
import os
import json
from dotenv import load_dotenv
import time

load_dotenv()

API_BASE = "https://api.invofox.com"
API_KEY = os.getenv("INVOFOX_API_KEY")
PDF_PATH = "invoice_sample.pdf"

headers = {"accept": "application/json", "x-api-key": API_KEY}

with open(PDF_PATH, "rb") as f:
    files = {"files": f}
    info = {"type": "6840c4511cbcc77119347248", "data": {"companyActsLike": "issuer"}}
    data = {"info": json.dumps(info)}
    resp_upload = requests.post(
        f"{API_BASE}/v1/ingest/uploads", headers=headers, files=files, data=data
    )

upload_result = resp_upload.json()
print("Upload response:", upload_result)

import_id = upload_result.get("importId")
if not import_id:
    raise ValueError("Import ID not found in upload response.")

# wait a moment for processing
time.sleep(2)

resp_import = requests.get(f"{API_BASE}/v1/ingest/imports/{import_id}", headers=headers)
import_info = resp_import.json()
print("Import info:", import_info)

files_info = import_info.get("files", [])
if not files_info or not files_info[0].get("documentIds"):
    raise ValueError("Document IDs not found in import info.")

document_id = files_info[0]["documentIds"][0]
print("Document ID:", document_id)

time.sleep(20)

resp_get = requests.get(f"{API_BASE}/documents/{document_id}", headers=headers)
parsed_doc = resp_get.json()
print("Parsed Document Data:")
print(json.dumps(parsed_doc, indent=2))

以下是所有使用的Invofox API端点：

1. POST /v1/ingest/uploads → 上传带有元数据（类型及开票方信息）的PDF发票。返回一个importId。

2. GET /v1/ingest/imports/{importId} → 获取包含由importId生成的documentIds在内的详细信息。

3. GET /documents/{documentId} → 根据documentId获取完整解析的发票数据。

这是运行脚本 python invofox-main.py 后得到的JSON响应结果。

该JSON响应与通过Postman发起请求后获得的结果类似，响应中不仅包含原始发票的图像，还提供了许多实用字段。

结果与对比

让我们简要比较一下他们的方法。

• API 调用

GPT-4o/Claude → 通过提示词发送文本
Invofox → 使用API或批量上传文件（图片/PDF）

• 安装设置

GPT/Claude → 需要编写提示工程代码
Invofox → 极简代码，无需提示

• 验证

GPT/Claude → 需人工核验
Invofox → 内置验证及置信度评分

• 性能

GPT/Claude → 受限于令牌/窗口大小
Invofox → 通过后端OCR和AI处理多页文档

在解析发票时，我意识到以下几点：

• ChatGPT (GPT-4o) ：擅长在明确提示下解析已知字段。你会获得一个JSON字符串，但需自行解析/清理。若提示不清晰，可能出现错误。

• Claude 3.5 (Sonnet)：它与GPT-4非常相似。从快照中可以看到，Sonnet在处理发票字段时表现与GPT-4不相上下，有时在识别陌生术语方面甚至更胜一筹。不过我们仍需对提示词进行优化调整。

• Invofox API：它开箱即用地返回了完全解析的发票JSON数据。所有字段均被准确提取并验证完毕。输出模式完全符合我们的需求，无需额外编码。

对比表格

在逐一探讨了各个选项后，现在让我们将它们并列对比。估算基于典型发票的篇幅：简单发票为1-2页，总计1000-2000个标记。

功能	Invofox	GPT-4o	Claude 3.5 Sonnet
无代码设置	✅	❌ (需要代码/提示)	❌ (需要代码/提示)
直接上传PDF/图片	✅	❌ (仅限文本)	❌ (仅限文本)
自定义文档类型支持	✅ (自定义ID)	✅ (通过提示)	✅ (通过提示)
修复后的JSON模式	✅	❌ (根据提示变化)	❌ (根据提示变化)
一致的字段命名	✅	❌（“Line Items”变体）	❌
内置验证	✅	❌	❌
置信度评分	✅	❌	❌
自动补全	✅	❌	❌
人工审核可选	✅	❌	❌
工作流编排	✅ (API/钩子/仪表盘)	❌	❌
多语言OCR识别	✅ 支持	❌ 需依赖外部OCR	❌ 需依赖外部OCR
多页面文档支持	✅	❌	❌
处理速度	✅ (快速，<5秒)	✅ (极速)	⚠️ (较慢)

成本与执行时间基准测试

我们在各部分已分别介绍了定价结构，但为了便于决策，我同时将其并列呈现。

工具	成本结构	典型成本（每份文档/简单发票）	典型执行时间	备注
Invofox	按文档计费，基于使用量，无固定费用	定制化/非公开服务（提供免费试用，后续定制方案）	单文档处理时间<5秒	专为生产环境打造，价格需联系销售咨询
GPT-4o	输入令牌每百万2.5美元，输出令牌每百万10美元	每次请求0.005至0.015美元（1000至2000令牌）	每次请求耗时1至30秒，视负载情况而定	价格 = (输入令牌 + 输出令牌) × 单价
Claude 3.5 Sonnet	输入令牌每百万3美元，输出每百万15美元	0.006–0.018美元（1,000–2,000令牌）	最佳情况约200–300毫秒，最长可达10秒以上	API响应迅速，但批量/超大提示会增加处理时间

查看原始文件

cost_duration_benchmarks.md

由 GitHub 爱心托管

您还需认识到升级语言模型所涉及的持续成本和工作量。每当新版本发布时，团队通常需要对新模型进行基准测试、重新测试提示词与数据架构，并调整输出解析逻辑。

这些隐性维护成本虽不总是显而易见，却必须纳入考量。而使用 Invofox 则无需此类操作。

最终结论

对于快速实验或一次性任务，您可以使用GPT-4（ChatGPT API）或Claude Sonnet通过设计合适的提示词来解析发票文本。它们能较好地以JSON格式提取字段（因为GPT-4相比早期GPT-3能生成更结构化、更清晰的输出）。
但若需要稳定生产级的发票或收据解析能力，Invofox API更为出色。该API专为文档处理打造，采用先进的专有模型并持续接收反馈优化。
完整代码可查看GitHub代码库。

就是这样。
希望你已经学会了如何解析文档。如果有任何问题或反馈，请告诉我。
祝你今天愉快！下次见 😃

感谢你的阅读！🥰