LandingAI Drop ADE Gen2: Dua Model, Harga Berubah Total, Chunks Mati

LandingAI baru saja drop Agentic Document Extraction (ADE) Gen2, dan ini bukan update kecil — ini rebuild total stack document intelligence mereka di atas keluarga model baru DPT-3. Kalau Gen1 memperlakukan dokumen sebagai daftar chunk datar, Gen2 ngelakuinnya sebagai pohon hirarki: dokumen di root, anaknya halaman, cucunya blok. Dua model parsing menggantikan satu model lama: DPT-3 Pro dan DPT-3 Verity. Masing-masing punya peran beda, harga beda, dan grounding level beda. ADE Gen2 sudah generally available sekarang, bisa dicoba gratis di playground, dan enterprise bisa jalanin di US/EU cloud, VPC sendiri di AWS/Azure/GCP, Snowflake, atau on-prem termasuk air-gapped.

Perbedaan paling jelas ada di dua model itu. DPT-3 Verity dirancang untuk dokumen digital bersih — teks volume tinggi, tabel sederhana, form field standar. Dia transkripsi deterministik, kasih bounding box dan confidence score 0-1 untuk setiap kata. Confidence-nya dihitung dari skor karakter terendah dalam kata itu, jadi tim bisa routing transkripsi ragu ke review manual. DPT-3 Pro lebih heavy: dia baca layout dulu baru kata, deteksi tipe blok dari tabel, figur, marginalia, signature, handle scanned page, handwriting, non-Latin script, dan LaTeX math. Pro grounding ke level baris visual, Verity ke level kata. LandingAI bilang Verity charge sekitar 40% kredit Pro, dan routing otomatis antara keduanya direncanakan rilis fall 2026.

Pricing Berubah Total: Dari Flat Per Halaman Jadi Per Halaman + Per Karakter

Ini mungkin bagian paling bikin developer harus hitung ulang budget. Zaman DPT-2, setiap halaman flat 3 kredit. Sekarang DPT-3 pakai dua komponen: page component + output character component. Di priority tier (buat sync/real-time), DPT-3 Pro tagih 1 kredit per halaman + 0.5 kredit per 1.000 karakter output. DPT-3 Verity: 0.3 kredit per halaman + 0.2 kredit per 1.000 karakter output. Standard tier (async, toleran menit sampai jam) setengah harga. Contoh: 12 halaman Pro parse return 48.120 karakter = 36,1 kredit priority, kira-kira setengahnya standard. Total dibulatkan ke 0,1 kredit terdekat, dan response metadata nampilin semua input kalkulasi. LandingAI klaim 25-80% cost reduction di workload campuran, dan parsing di bawah 1 sen per halaman dengan Verity standard. Tapi ini vendor figures — benchmark sendiri dengan mix dokumen kamu, soalnya halaman dense bisa jadi lebih mahal dari sebelumnya gara-gara komponen karakter.

Chunks Pensiun, Blok Tree Jadi Standar Baru

Parse v2 response sekarang punya tiga top-level field: markdown in reading order, metadata, dan structure. Structure-nya adalah document node dengan children pages, yang children-nya blocks. Tipe blok lengkap: text, table, table_cell, figure, marginalia, attestation, logo, card, scan_code. Setiap blok bawa semantic ID format type-index (stable dalam satu response, tapi tidak across re-parse), plus grounding object: nomor halaman, range ke markdown string, dan normalized bounding box. Markdown output distandardkan: figur pakai style elements dengan prose terisolasi di tag description, jadi transkripsi nggak kebingungan sama komentar model. Attestation emit label stacked kayak [STAMPED][SIGNED], dengan [ILLEGIBLE_SIGNATURE] dan [ILLEGIBLE_TEXT] sebagai literal tetap. Tabel default ship sebagai HTML biar merged cells survive — opsi markdown pipe syntax juga tersedia tapi expand merged cells jadi empty neighbours.

Atomic Grounding: Game Changer Buat PII Redaction Dan Reviewer UI

Atomic grounding ini capability paling konsekuen di rilis ini. Setiap leaf block bawa atomic_grounding array: satu entry per visual line untuk DPT-3 Pro, satu entry per kata untuk DPT-3 Verity. Verity lampirkan confidence value per kata, giving teams sinyal buat routing transkripsi uncertain ke review. Table cells sekarang punya bounding box sendiri, meski Pro masih kosongin cell-level atomic grounding. Extract V2 tarik citations dari grounding ini, jadi extracted field trace ke kata spesifik di halaman spesifik. Itu bikin PII redaction by coordinate, document diffing, dan reviewer UIs jadi buildable dengan presisi — nggak lagi aproksimasi. Bayangin kamu bisa highlight tepat kata mana yang jadi PII di PDF scan, atau bandingin dua versi kontrak sampai level kata yang berubah. Itu level granularity yang sebelumnya mustahil tanpa manual effort gede.

Realita Migrasi: Breaking Change, Siapin Refactor

Di sini bagian yang bikin tim engineering harus siapin kopi: Gen1 code tidak jalan di Gen2 Parse dan Extract endpoints. Ini breaking change penuh. Schema Extract V1 carry over ke V2, tapi client code harus ditulis ulang. Parse Jobs support hingga 6.000 halaman atau 1 GB per PDF dengan webhook notification. Ground API konsumsi nol kredit. Jadi rencanakan migrasi bertahap: mulai dari workload non-kritis di playground, validasi output structure baru, baru migrasi production. Jangan lupa test pricing dengan mix dokumen asli kamu — halaman penuh tabel dense bisa jadi shock bill di model karakter-based.

• DPT-3 Pro: layout-aware, line grounding, handle scan/handwriting/math, harga premium
• DPT-3 Verity: digital text specialist, word grounding + confidence, 40% harga Pro
• Billing: page component + output character component, priority vs standard tier
• Struktur: document → page → block tree, chunks retired
• Atomic grounding enable PII redaction, diffing, reviewer UI presisi
• Breaking change: Gen1 code tidak kompatibel, migrasi wajib