Upstage

A Upstage é uma empresa de IA que oferece a família de modelos de linguagem Solar e produtos de processamento de documentos, o Document Parse e o Information Extract, acessíveis por API.

O Document Parse converte PDFs, imagens digitalizadas e documentos de escritório em HTML ou Markdown, preservando tabelas, gráficos e a hierarquia de seções, segundo o site oficial. Um modo chamado Enhanced lê elementos visuais mais difíceis, como tabelas complexas, caixas de seleção, gráficos e diagramas.

O Information Extract devolve campos definidos pelo usuário em JSON, com coordenadas de localização e pontuação de confiança, a partir de um esquema, sem treinamento prévio.

A família Solar reúne modelos de linguagem. A documentação do console lista modelos das linhas Pro e Mini com contexto de 512 mil tokens e até 128 mil tokens de saída, em inglês, coreano e japonês. O console também documenta geração de embeddings de texto.

Os três produtos se complementam: o Document Parse prepara o conteúdo, o Information Extract estrutura os campos e o Solar processa o texto resultante.

A Upstage é indicada a empresas e equipes de desenvolvimento que precisam transformar documentos em dados estruturados e alimentar aplicações de IA com o texto desses documentos.

O caso de uso mais direto é o processamento de documentos com layout complexo, como contratos, formulários e relatórios com tabelas e gráficos. A lista de formatos aceitos pelo Document Parse inclui JPEG, PNG, BMP, TIFF, HEIC, PDF, DOCX, PPTX, XLSX, HWP e HWPX, o que atende quem recebe arquivos do processador de texto coreano Hangul.

Os limites declarados na documentação orientam o planejamento. A API síncrona aceita até 100 páginas por arquivo e a assíncrona até 2 mil páginas. Os idiomas atualmente suportados são coreano, inglês e japonês, e hanzi e kanji estão em beta.

Equipes de RAG e de agentes podem combinar o Document Parse com os modelos Solar. Existe integração do Information Extract com o LangChain.

Antes de começar, a equipe precisa de uma chave de API do console e, para o Information Extract, do esquema dos campos que quer extrair.

Os principais recursos da Upstage são o Document Parse, o Information Extract e a família de modelos de linguagem Solar.

• Document Parse: converte PDFs, imagens e documentos de escritório em HTML ou Markdown, preservando tabelas, gráficos e a hierarquia de seções. Aceita JPEG, PNG, BMP, TIFF, HEIC, PDF, DOCX, PPTX, XLSX, HWP e HWPX.
• Modo Enhanced: lê tabelas complexas, caixas de seleção, gráficos e diagramas, segundo o blog da empresa.
• Limites de processamento: 100 páginas por arquivo na API síncrona e 2 mil na assíncrona, com arquivos de até 100 MB e 500 MB, respectivamente, conforme a documentação.
• Information Extract: extração por esquema, com saída em JSON, coordenadas de localização e pontuação de confiança, sem treinamento.
• Solar: modelos de linguagem, com a linha Pro descrita pela empresa como modelo para agentes e a linha Mini voltada a cargas de agentes em alto volume. A lista do console traz contexto de 512 mil tokens e saída de até 128 mil.
• Embeddings: o console documenta a geração de embeddings de texto.

Os idiomas do Document Parse e dos modelos atuais são coreano, inglês e japonês.

A Upstage vale a pena para quem processa muitos documentos com tabelas e formatos variados em coreano, inglês ou japonês, e menos para quem precisa de outros idiomas.

Prós:

• O Document Parse aceita formatos de imagem e de escritório, incluindo HWP e HWPX, o que cobre arquivos comuns na Coreia do Sul.
• A saída em HTML ou Markdown preserva tabelas e a hierarquia de seções, o que ajuda quem alimenta aplicações de RAG.
• O Information Extract devolve JSON com coordenadas e pontuação de confiança e funciona por esquema, sem treinamento.
• Os três produtos, parsing, extração e modelos Solar, ficam no mesmo console e na mesma API.

Contras:

• Os idiomas suportados atualmente são coreano, inglês e japonês, e hanzi e kanji ainda estão em beta.
• A API síncrona tem limite de 100 páginas por arquivo, e arquivos maiores precisam da API assíncrona, que aceita até 2 mil.
• Os modelos mudam de ciclo: segundo a documentação, um alias legado do Solar Mini será descontinuado em 30 de outubro de 2026, e a migração fica com a equipe.
• Os números de desempenho que a Upstage divulga vêm de benchmarks internos da própria empresa.

As alternativas à Upstage dependem do produto, porque ela combina processamento de documentos e modelos de linguagem.

• Amazon Textract: serviço da AWS que extrai texto, tabelas e formulários de documentos digitalizados.
• Azure AI Document Intelligence: serviço da Microsoft para extrair texto, tabelas e pares de campo e valor de documentos.
• Google Document AI: serviço do Google Cloud com processadores de documentos para extração de dados.
• LlamaParse: serviço de leitura de documentos da LlamaIndex, voltado a alimentar aplicações de RAG.
• OpenAI: oferece modelos de linguagem por API que aceitam imagens como entrada, uma abordagem de uso geral e não um serviço dedicado de parsing de documentos.

A diferença central em relação à Upstage é o pacote. Os serviços de nuvem estão ligados ao ecossistema do respectivo fornecedor, e a Upstage junta parsing, extração por esquema e modelos próprios no mesmo console. Para o processamento de arquivos HWP e HWPX, confirme o suporte de cada alternativa na documentação antes de escolher.