LlamaParse nas PaperOffice AI: Zašto su Markdown parseri postali zastarjeli

Što obećavaju PaperOffice LLM i PaperOffice LLM

PaperOffice LLM i PaperOffice LLM tvrtke PaperOffice LLM među najpoznatijim su alatima u ekosustavu AI obrade dokumenata. Njihovo obećanje: pretvoriti dokumente bilo koje vrste — PDF-ove, skenove, obrasce — u strukturirani Markdown tekst, optimiziran za RAG pipelineove i LLM aplikacije.

PaperOffice LLM nudi različite načine parsiranja: Fast (1 kredit/stranica), Balanced (10 kredita), Premium (45 kredita) i Agentic Plus (90 kredita). PaperOffice LLM to nadopunjuje ekstrakcijom podataka temeljenom na shemi — definirate JSON shemu, a alat iz vaših dokumenata izdvaja strukturirane podatke.

Na prvi pogled, to zvuči uvjerljivo. No pri detaljnijem pregledu pojavljuju se temeljne slabosti — uz još temeljnije pitanje: Treba li nam to uopće još uvijek?

Zašto PaperOffice LLM postaje zastario: Claude, GPT i ostali to mogu sami

Evo neugodne istine za PaperOffice LLM: moderni vision LLM-ovi čine PaperOffice LLM suvišnim middleware slojem.

Claude 4, PaperOffice LLM, Gemini 2.5 Pro — svi ti modeli mogu izravno obrađivati dokumente. Prihvaćaju PDF-ove i slike kao ulaz, razumiju raspored, tablice i strukturu te isporučuju strukturirani izlaz. Ono što PaperOffice LLM nudi kao složen pipeline s više načina parsiranja za ove modele predstavlja izvornu sposobnost.

PaperOffice LLM i sami potvrđuju ovaj trend u vlastitom blogu: “The baseline of one-shot document parsing through screenshotting using the latest models has gotten much better.” Priznaju da je točnost čistog LLM parsiranja dramatično porasla.

Što to znači u praksi?

• Nije potreban middleware: Zašto slati dokumente kroz PaperOffice LLM kada ih Claude razumije izravno?
• Nema kreditnog sustava: Jedan API poziv prema Claude ili PaperOffice LLM košta tokene — bez vlasničkog kreditnog sustava i zbunjujućih razina paketa
• Nema vendor lock-ina: PaperOffice LLM vas veže za ekosustav PaperOffice LLM Izvorni LLM-ovi su neovisni o pružatelju
• Nema održavanja: Greške poput problema s neobrađenim OCR-om u v0.6.1 (GitHub Issue #621), gdje je PaperOffice LLM odjednom isporučivao samo sirovi OCR tekst umjesto strukturirane analize, ne postoje kod izvornih LLM API-ja

PaperOffice LLM je u biti omotač oko LLM-ova — a omotači postaju zastarjeli kada temeljna tehnologija sazrije.

Problem bounding boxa: zašto običan tekst nije dovoljan

Ali — i to je ključna stvar — ni PaperOffice LLM ni izvorni LLM-ovi ne rješavaju stvarni problem: Enterprise obrada dokumenata treba više od teksta.

Ironično, PaperOffice LLM i sami u svom blogu “LLM APIs Aren’t Complete Document Parsers” tvrde upravo to: čisti LLM API-ji nemaju confidence scoreove, bounding boxove i citate izvora. No njihovo vlastito rješenje upravo ovdje ima velike probleme:

Temeljni problem: bez točnih bounding boxova obrada dokumenata beskorisna je za poslovne aplikacije. Zašto?

• Pretraživi PDF-ovi: Bez koordinata nije moguće stvoriti nevidljivi tekstualni sloj
• Redakcija PII-ja: Bez pozicioniranja preciznog do piksela ništa se ne može točno anonimizirati
• Audit trailovi: Bez referenci na izvor, ekstrakcija nije provjerljiva
• Human-in-the-Loop: Recenzenti moraju vidjeti odakle je izvučena vrijednost

Tablice, skenovi i Enterprise zahtjevi

Osim problema s bounding boxovima, i PaperOffice LLM i čisti LLM pristupi ne zadovoljavaju dodatne poslovne zahtjeve:

Prepoznavanje tablica: Prema APIScout benchmarku 2026, PaperOffice LLM zaostaje ~20% za specijaliziranim rješenjima kod složenih višekolonskih tablica, spojenih ćelija i višestraničnih tablica. Neovisni dubinski pregled tvrtke Undatas potvrđuje: “PaperOffice LLM se znatno muči sa složenim tablicama, osobito onima sa spojenim ćelijama ili složenim zaglavljima.”

Skenovi i rukopis: Kod skeniranih dokumenata niske rezolucije točnost dramatično pada. Prepoznavanje formula u skenovima? “Vrlo nepouzdano.” Rukopis? Prema službenoj matrici značajki samo “Djelomično”.

Službena ograničenja PaperOffice LLM:

• Najviše 35 slika po stranici (ostatak se ignorira)
• Najviše 64 KB teksta po stranici (ostatak se skraćuje)
• Najviše 512 MB veličine datoteke, za ekstrakciju samo 100 MB
• Najviše 500 stranica po ekstrakcijskom zadatku
• Ugniježđivanje sheme samo 7 razina duboko
• Nema DOCX podrške u extract_stateless (GitHub #1077)

PaperOffice AI nasuprot tome:

• 800+ specijaliziranih LLM-ova — jedan za svaku vrstu dokumenta
• Prepoznavanje tablica s redovima, stupcima, spojenim ćelijama — strukturirani izvoz
• Prepoznavanje rukopisa putem AI Visiona — potpisi, bilješke, obrasci
• OMR prepoznavanje — kućice za označavanje, krugovi, oznake s točnim koordinatama
• Uključeno prepoznavanje QR i barkodova
• 139 jezika s automatskim prepoznavanjem

Usporedba troškova: Credits, centi i skriveni troškovi

PaperOffice LLM koristi model cijena temeljen na kreditima. 1.000 kredita košta 1,25 USD. Ono što u početku zvuči povoljno brzo se zbraja:

Uz usporedivu kvalitetu (Premium/Agentic način), PaperOffice AI je 2–4× jeftiniji. Dodatno:

• PaperOffice: Bounding boxovi, pretraživi PDF, redakcija uključeni
• PaperOffice LLM: Ekstrakcija rasporeda košta dodatna 3 kredita po stranici
• PaperOffice: Nema kreditnog sustava — transparentno određivanje cijene po stranici u centima
• PaperOffice LLM: Besplatni sloj ograničen na 10.000 kredita mjesečno, nakon toga plaćanje po potrošnji s ograničenjima

Na 100.000 stranica mjesečno u Premium načinu: PaperOffice LLM = 5.625 USD naspram PaperOffice AI-IDP = 3.000 USD. Ušteda: 47%.

PaperOffice AI: Ono što Enterprise obrada dokumenata zaista treba

PaperOffice AI koristi temeljno drugačiji pristup od PaperOffice LLM Umjesto da djeluje kao omotač oko generičkih LLM-ova, PaperOffice kombinira tri specijalizirane tehnologije:

1. OCR-LLM fuzija: 800+ specijaliziranih, fino prilagođenih LLM-ova — svaki treniran na specifičnim vrstama dokumenata kao što su računi, ugovori, osobne iskaznice, otpremnice. Nema generičkog “jedan model za sve.”

2. Bounding boxovi kao temelj: Svaki prepoznati element — tekst, tablica, slika, rukopis — dobiva točne koordinatne vrijednosti u pikselima. To omogućuje:

• Pretraživi PDF-ovi: Izvorni sken + nevidljivi LLM tekstualni sloj = pretraživo, kopirljivo, arhivirano
• Redakcija PII-ja: Precizna GDPR-usklađena redakcija — ne tekstualna zamjena, nego redakcija točna do piksela
• Human-in-the-Loop: Kliknite na izvučenu vrijednost → odmah vidite gdje se pojavljuje u izvorniku
• Audit trailovi: Svaka izvučena podatkovna točka je sljediva i provjerljiva

3. Zero-shot bez predložaka: Nema predložaka, nema treniranja, nema pravila. Prirodno ljudsko promptanje — opišite prirodnim jezikom što želite izdvojiti.

Uz to: podatkovni centri u EU-u, usklađeno s GDPR-om, dostupno on-premise. Dok PaperOffice LLM sve forsira u cloud (s 48-satnim cacheom!), PaperOffice nudi punu suverenost podataka.