Azure Content Understanding ergänzt GPT-5.6, GPT-6 und GPT-6.1

Microsoft empfiehlt GPT-6.1 Sol als Ausgangspunkt

Für die standardmäßige Dokumentenextraktion empfiehlt Microsoft, mit GPT-6.1 Sol zu beginnen. Das Unternehmen beschreibt das Modell als nahezu gleichauf mit dem Genauigkeitsführer unter den allgemein verfügbaren Modellen und erklärt, dass es die separate Evaluierung der Extraktion in der Preview anführt.

Teams, für die die Token-Kosten oberste Priorität haben, können GPT-6 Luna testen. GPT-6 Astra richtet sich an Workloads, bei denen eine kleine Qualitätsverbesserung einen Aufpreis rechtfertigen könnte. Microsoft weist darauf hin, dass die Ergebnisse je nach Aufgabe stark variieren. Die empfohlenen Modelle sind daher Ausgangspunkte und keine allgemeingültige Rangliste.

In der Evaluierung der Dokumentenextraktion mit allgemein verfügbaren Modellen erreichte Astra bei „Schema only“ 95,95 Prozent, verglichen mit 95,74 Prozent für Sol. Mit 5 markierten Beispielen verringerte sich der Unterschied auf 0,11 Prozentpunkte. Microsoft zufolge waren die Kosten für Vervollständigungstokens bei Astra in diesen Dokumententests etwa fünfmal so hoch wie bei Sol. In der Evaluierung der Extraktion in der Preview lag Sol vor Astra: bei „Schema only“ mit 96,06 Prozent gegenüber 95,58 Prozent und mit 5 markierten Beispielen mit 97,10 Prozent gegenüber 97,06 Prozent.

Beispiele können das Verhältnis von Kosten und Qualität verändern

Content Understanding kann ausschließlich ein Schema verwenden oder auf Beispieldokumente in seiner Wissensdatenbank zurückgreifen. Nutzer können diese Dokumente in Content Understanding Studio anbinden und die erwarteten Antworten markieren.

Microsofts Tests ergaben, dass fünf markierte Beispiele die Extraktionsqualität von Luna von 91,82 Prozent auf 94,16 Prozent steigerten. Gleichzeitig blieben die Token-Kosten in diesen Tests deutlich unter denen von Sol. Laut Microsoft macht das Luna-Modell mit Wissensdatenbank für die Verarbeitung großer Mengen testenswert. Das Unternehmen warnt jedoch auch davor, dass Beispiele Token- und Vorbereitungskosten verursachen und ihre Qualität sich bei Dokumenten bewähren muss, die nicht als Beispiele verwendet wurden.

Microsoft empfiehlt, Analyzer, Schema, repräsentative Eingaben und markierte Beispiele beim Vergleich von Modellen konsistent zu halten. Teams können dann ausschließlich die Modellbereitstellung ändern und Qualität, Latenz, Token-Nutzung und Fehlerrate vergleichen.

Unterschiedliche Workflows erfordern unterschiedliche Modelle

Der erweiterte Modellkatalog bringt kein einzelnes Modell hervor, das bei jeder Aufgabe führt. Astra lag beim Benchmark für die Dokumentsegmentierung mit allgemein verfügbaren Modellen mit einem Segment-F1-Wert von 98,00 Prozent vor Sol mit 97,10 Prozent. Bei der Segmentierung wird eine Datei in logische Dokumente aufgeteilt. Sie sollte getrennt von der Feldextraktion getestet werden.

Bei Videos erzielte GPT-6 Sol unter den neun verglichenen Modellen mit 86,40 % ± 0,70 Prozentpunkten den höchsten beobachteten F1-Wert für die zentrale Videogenerierung. Auch beim Mittelwert der Segmentierung langer Videos lag es mit 80,10 % ± 1,20 Prozentpunkten vorn. GPT-6.1 Sol erzielte bei Anzeigen in kurzen Videos mit 93,60 % ± 0,40 Prozentpunkten das beste Ergebnis. Bei Sprache führte GPT-5.2 beim Mittelwert der Feldklassifizierung mit allgemein verfügbaren Modellen, während GPT-5.5 bei der Feldgenerierung vorn lag.

Nutzer können Bereitstellungen in Content Understanding Studio oder über die REST API testen, indem sie in jeder Analyze-Anfrage ein anderes modelDeployments-Mapping übergeben. Microsoft zufolge sollten Teams vor dem Testen unterstützte Modelle und die regionale Verfügbarkeit prüfen. Anschließend sollten sie die Kombination aus Qualität, Kosten, Verfügbarkeit und Durchsatz wählen, die zu ihrem Workload passt.