大厂抽文档省 token 的做法正在收敛：先定位，只喂那一小块
内容提要
2026年，Mistral、IBM、Intuit、Adobe、Vendr等六家公司围绕“用语言模型从非结构化文档抽取结构化字段”获得专利授权，技术路线趋于一致：先用规则、版式或分类器定位，仅将命中片段输入模型，再进行字段级校验。Mistral与Vendr授权速度异常快，表明权利要求空间已清晰。这提示工程界：整页输入模型的方式已落后，先定位后抽取成为共识，工具层竞争激烈。
延伸解读
专利授权速度的异常信号
Mistral的专利从优先权日到授权仅5.3个月，Vendr从申请到授权仅6.3个月，远快于常见的两三年审查周期。审查速度受程序因素影响，不能直接等同于市场热度，但连续出现异常快的授权，通常意味着该主题的权利要求空间在审查员手中已经清晰。对于跟踪技术趋势的读者，快授件本身可以作为一个独立的观察指标。
技术路线收敛：先定位，后抽取
六家公司的专利权利要求各有侧重，但核心流水线一致：先用规则、版式或分类器定位目标字段，仅将命中片段输入语言模型，再进行字段级校验。Intuit的专利明确只将命中词邻域文本送给模型，IBM用LLM生成prompt模板定位键值对，Vendr将校验流程写入权利要求。这表明整页输入模型的方式在工程共识上已经落后。
对工程实践的直接影响
如果仍将整页文档塞入大模型做抽取，成本和质量控制可能已落后于专利面显示的共识。先定位后抽取的模式在六家不同申请人的文件中反复出现，已成为该阶段的标准做法。同时，工具层竞争激烈，Reducto、LlamaParse等厂商正以抽取准确率为卖点。更值得做的是将自身文档管线对齐到这条收敛的流水线上。
Q&A
2026年有哪些公司获得了用语言模型从非结构化文档抽取结构化字段的专利？
根据文章，2026年2月到8月间，Mistral AI、IBM、Intuit、Adobe、Vendr等六家公司获得了相关专利授权。具体包括：Mistral AI的US12651113B1、IBM的US12639362B2、Intuit的US12632675B2和US12705916B2、Adobe的US12699851B2、Vendr的US12586403B2。此外，HighRadius和Schlumberger也有同主题背景件在同期授权。
这些专利在技术路线上有什么共同点？
共同点是采用“先定位后抽取”的模式：先用规则、版式或分类器定位文档中的关键部分，只将命中的那一小块上下文输入语言模型，而不是整页输入，最后进行字段级校验。这种模式在六家不同申请人的专利中反复出现，已成为工程共识。
为什么说Mistral的专利授权速度异常快？
Mistral的专利US12651113B1优先权日为2025年12月31日，授权日为2026年6月9日，仅用时5.3个月，远快于通常两三年的审查周期。Vendr的专利也从申请到授权仅用6.3个月。这种异常快的授权通常意味着该主题的权利要求空间已经清晰，审查员能够快速处理。
Intuit的专利是如何实现文档抽取的？
Intuit有两件相关专利。US12705916B2采用混合方法：先用规则解析从自由文本中命中目标字段，然后只将命中词的邻域文本送给语言模型作为上下文，避免整页输入。US12632675B2针对域外文档，通过构造带标注的OCR范例，用in-context范例教模型抽取字段，而不是微调模型。
这些专利对工程实践有什么启示？
文章指出三点启示：第一，整页文档输入大模型的方式在成本和质量控制上已落后，先定位后抽取是标准做法；第二，工具层竞争激烈，Reducto、LlamaParse等厂商在抽取准确率上竞争，单纯做更准的抽取器已难切入；第三，审查速度本身是可跟踪信号，快授件值得作为独立雷达档位，用于产品选型和自由实施评估。
为什么字段级校验会出现在专利的独立权利要求中？
因为字段级校验从工程细节升格为权利要求，说明各家公司在真实业务中都曾因抽取错误而受损，因此将校验环节纳入专利保护范围。例如Vendr的专利将corrections and validations流程写入方案，HighRadius的专利主打自动纠错。
