Unsiloed AI 是一家 Y Combinator 孵化的初创公司,整个团队只有 7 个人,刚刚拿到 750 万美元种子轮融资,主打解决普通大模型读不懂、容易读错的劣质扫描 PDF、复杂表格、老旧合同这类企业文档,在 olmOCR-Bench 文档评测基准上跑出 88.0 分,高于 GPT-5.5 的 84.6 分,也就是它自己宣称在这个 PDF 解析跑分上压过 GPT-5.5。很多人会误以为它是通用对话大模型,其实它不是用来聊天的,它是专门给 AI Agent 配套的文档解析工具,核心目标就是把排版混乱、扫描模糊、表格多层嵌套的烂 PDF,转成带溯源标记的 Markdown 或者 JSON 结构化数据,解决通用大模型读文档时频繁幻觉、表格算错、图表识别翻车的痛点。市面上 GPT、Claude 这类通用大模型擅长推理对话,但面对扫描件、歪斜、底纹干扰、复杂多栏报表的时候很容易出错,这也是投资人愿意给这个小团队投钱的核心原因。它的技术方案用的是双流视觉模型,文字和图像分开处理,还会用热力图分块策略,把算力重点给到表格、数字、图表这些高风险区域,提取出来的每一条数据都标注原文位置,方便人工核验。接入使用的流程也比较简单,上传 PDF、扫描件、Excel 等文件,引擎自动做版面还原、表格识别、内容抽取,输出结构化数据,同时附带置信度分数,给下游的 AI Agent 直接调用。简单总结,它是垂直文档解析赛道的工具,不是通用大模型,优势集中在脏乱差的企业文档,融资资金会用来扩充数据集、招人、拓展金融、法律、医疗客户。
一、项目与团队、融资信息
- 项目名称:Unsiloed AI
- 团队规模:7 人,两位创始人来自印度理工学院 Kharagpur,YC 2025 秋季孵化项目
- 融资金额:750 万美元种子轮
- 领投方:Felicis
- 跟投方:Y Combinator、Orange Collective、Uncorrelated Ventures,还有多名天使投资人
- 资金用途:扩充研发团队、搭建私有文档数据集、市场拓展
- 总部:旧金山
二、产品定位
- 赛道定位:面向 AI Agent 的企业复杂文档解析引擎,垂直 PDF / 扫描件结构化抽取工具
- 核心攻坚对象:扫描 PDF、老旧档案、多层复杂表格、财报、保险单据、贷款合同、医疗卷宗
- 核心差异化:每一条提取结果绑定原文溯源位置,附带置信度,降低幻觉风险
- 对标竞品:Reducto、Unstructured,以及各大通用大模型自带的文档读取能力
三、核心技术特性
- 双流视觉模型架构:文本流、图像流分开处理,兼顾文字识别和图表版面理解
- 热力图动态分块:自动识别表格、图表、数字区域,分配更多算力重点解析
- 溯源标记机制:输出数据附带原文位置,方便复核,适合金融、法律这种对错误零容忍的行业
- 置信度打分:每条抽取字段附带可信度分数,低置信内容可以交给人工复审
- 支持格式:扫描 PDF、原生 PDF、图片表单、Excel 报表
- 输出格式:Markdown、JSON,直接对接下游 Agent 工作流
四、跑分与能力说明
- 评测基准:olmOCR-Bench(1403 份 PDF、8413 个测试用例)
- Unsiloed AI 得分:88.0
- GPT-5.5 得分:84.6
- 补充说明:这个跑分只代表文档解析、版面还原、表格抽取能力,不等于综合推理、代码、通用能力超过 GPT-5.5
- 行业实测:在 542 份金融文档 8.4 万测试点上,官方自报抽取准确率 99.78%,该结果暂未第三方独立核验
五、落地客户场景清单
- 银行业:贷款资料、征信文件、财报批量解析
- 律所:合同、旧判例卷宗、证据材料结构化
- 医疗行业:病历、检验单据抽取
- 上游 AI 厂商:给语音 Agent、知识库产品提供文档预处理能力,案例有 Bolna AI
【相关 FAQ】
问题 1:Unsiloed AI 这个 7 人团队拿到 750 万美元融资,它在哪些跑分上压过 GPT-5.5?
回答 1:Unsiloed AI 是在 olmOCR-Bench 文档解析基准上跑出 88.0 分,高于 GPT-5.5 的 84.6 分,这个跑分只针对 PDF、扫描件、表格抽取,不是综合能力超越 GPT-5.5。
问题 2:Unsiloed AI 是通用大模型吗,能不能像 GPT-5.5 一样聊天写代码?
回答 2:Unsiloed AI 不是通用对话大模型,它是文档解析工具,专门处理烂 PDF、扫描表单,定位是给 AI Agent 做文档预处理,不主打通用问答、代码生成。
问题 3:Unsiloed AI 和 Unstructured、Reducto 这些 PDF 解析工具差别在哪?
回答 3:Unsiloed AI 主打高风险金融、法律文档,带溯源和置信度打分,在 olmOCR-Bench 这个 PDF 基准上跑分领先,适合对数据错误容忍度很低的企业场景。
问题 4:Unsiloed AI 的 750 万美元融资主要用来做什么?
回答 4:Unsiloed AI 拿到的 750 万美元种子轮资金,主要用来扩充研发人员、自建高质量私有文档数据集,同时拓展金融、法律、医疗方向的企业客户。
【参考资料】
[2026-11-18](Unsiloed AI raises $7.5M to help AI agents read complex enterprise docs)The Daily Tech Feed
[2026-11-18](Unsiloed AI Raises $7.5 Million Seed Led by Felicis)i10X News
[2026-11-18](Unsiloed AI raises $7.5 million to make documents usable by AI agents)Sakhanda Wire
[2026-11-18](Unsiloed AI、研究・エンジニアリング・営业の拡大に向けてシード资金 750 万ドルを调达)Unite.AI
[2026-11-19](YC 스타트업 Unsiloed AI, PDF 파싱 벤치마크서 GPT-5.5 추월)promppy
【免责声明】
本文内容为 Unsiloed AI 公开融资、评测信息整理,olmOCR-Bench 跑分仅代表特定文档解析任务表现,不代表综合模型能力;项目准确率数据为厂商自报,尚未经过独立第三方核验;产品价格、接口能力、评测结果后续可能更新,不构成采购、技术选型投资建议。
本文来自作者[虚芯广播]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/3238.html
评论列表(4条)
我是环球科技潮的签约作者“虚芯广播”!
希望本篇文章《Unsiloed AI7 人团队拿下 750 万美元融资,专攻烂 PDF 文档解析、跑分宣称超过 GPT-5.5》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:Unsiloed AI 是一家 Y Combinator 孵化的初创公司,整个团队只有 7 个人,刚刚拿到 750 万美元种子轮融资,主打解决普通大模型读不懂、容易读错的劣质扫描 PDF、复杂表格、老旧合同这类企业文档,在 olmOCR-Bench 文档评测基准上跑出 88.0 分,高于 GPT-5.5 的 84.6 分,也就是它自己宣称在这个 PDF 解析跑分上压过 GPT-5.5。很多人会误以为它是通用对话大模型,其实它不是用来聊天的,它是专门给 AI Agent 配套的文档解析工具,核心目标就是把排版混乱、扫描模糊、表格多层嵌套的烂 PDF,转成带溯源标记的 Markdown 或者 JSON 结构化数据,解决通用大模型读文档时频繁幻觉、表格算错、图表识别翻车的痛点。市面上 GPT、Claude 这类通用大模型擅长推理对话,但面对扫描件、歪斜、底纹干扰、复杂多栏报表的时候很容易出错,这也是投资人愿意给这个小团队投钱的核心原因。它的技术方案用的是双流视觉模型,文字和图像分开处理,还会用热力图分块策略,把算力重点给到表格、数字、图表这些高风险区域,提取出来的每一条数据都标注原文位置,方便人工核验。接入使用的流程也比较简单,上传 PDF、扫描件、Excel 等文件,引擎自动做版面还原、表格识别、内容抽取,输出结构化数据,同时附带置信度分数,给下游的 AI Agent 直接调用。简单总结,它是垂直文档解析赛道的工具,不是通用大模型,优势集中在脏乱差的企业文档,融资资金会用来扩充数据集、招人、拓展金融、法律、医疗客户。