Elastic bringt Dokumentenparser jina-ocr-v1 und Technical Preview der Elastic CLI

jina-ocr-v1: layoutbewusstes Parsen in einem Modell

Laut Elastic nimmt jina-ocr-v1 gescannte Seiten, Dokumentfotos, Präsentationsfolien und handschriftliche Notizen entgegen und liefert in einem Durchgang strukturiertes Markdown, ohne eine Pipeline aus mehreren spezialisierten Modellen. Tabellen werden als HTML ausgegeben, mathematische Formeln als LaTeX. Text aus eingebetteten Bildern wie Buchcovern und Logos wird erkannt, aber nicht in die Ausgabe übernommen.

Elastic zufolge erfasst das Modell zuerst das Seitenlayout und liest dann in der Reihenfolge, in der ein Mensch lesen würde. Herkömmliche OCR liest Zeichen von links nach rechts und bringt mehrspaltige Layouts und Seitenleisten oft durcheinander. Das Modell hat 3,4 Milliarden Parameter in einer Mixture-of-Experts-Architektur, von denen bei der Inferenz nur 570 Millionen aktiv sind.

Auf olmOCR-bench erreicht jina-ocr-v1 83,4 Punkte, nach Angaben von Elastic der höchste Wert unter allen Modellen mit weniger als 600 Millionen aktiven Parametern. Auf OmniDocBench kommt es auf 91,14 Punkte und liegt damit laut Unternehmen vor GPT-5.2 mit 86,59. Modelle, die es bei beiden Benchmarks übertreffen, haben deutlich mehr aktive Parameter.

Unterstützt werden mehr als 100 Sprachen, darunter Arabisch, Chinesisch, Japanisch, Koreanisch, Thai, Hindi, Griechisch, Kyrillisch, Türkisch und Tschechisch. Seiten mit gemischten Sprachen werden ohne zusätzliche Konfiguration in einem Durchgang verarbeitet.

• Elastic Inference Service: ab sofort über den Inference-Endpunkt chat_completions verfügbar, native PDF-Unterstützung folgt in Kürze.
• Jina API: Standard-HTTP-Zugriff mit 10 Millionen kostenlosen Tokens zum Einstieg.
• Lokal oder On-Premises: Download bei Hugging Face unter CC BY-NC 4.0 oder Jina On-Prem für kommerzielle Einsätze.
• Jina AI Reader API: X-Respond-With: jina-ocr-v1 in den Request-Header einfügen; PDFs und HTML-Seiten werden automatisch in Bilder umgewandelt.

Elastic CLI und neu aufgebaute Agent Skills

Die Elastic CLI befindet sich in der Technical Preview und bietet einen zentralen Einstiegspunkt für die öffentlichen APIs von Elasticsearch, Kibana und Elastic Cloud. Installiert wird sie mit npm install -g @elastic/cli. Jeder Befehl nimmt JSON entgegen, per stdin oder --input-file, und gibt mit --json JSON zurück. Eingaben werden vor dem Senden einer Anfrage gegen ein JSON Schema validiert, Fehler führen zu einem Exit-Code ungleich null.

Mehrere Funktionen zielen auf den Einsatz mit KI-Agenten:

• API-Schlüssel werden im Schlüsselbund des Betriebssystems gespeichert (macOS Keychain, Linux Secret Service oder Windows Credential Manager) und tauchen so weder in der Shell-Historie noch in LLM-Transkripten auf.
• Allowlists und Blocklists beschränken, welche Befehle ausgeführt werden dürfen, global oder je Kontext, etwa um einem Agenten Lese-, aber keine Löschrechte zu geben.
• Destruktive Befehle erfordern eine Bestätigung im Terminal. In nicht interaktiven Sitzungen laufen sie nur, wenn --yes übergeben wird.
• --output-fields und --output-template kürzen Antworten, damit die Kontextfenster der Agenten klein bleiben.

Die CLI enthält außerdem Hilfsfunktionen für Bulk-Ingest, Scroll-Suche und die Überwachung neuer Dokumente.

Elastic Agent Skills, die Coding-Agenten wie Claude Code, Cursor, Copilot und Gemini CLI den Umgang mit Elasticsearch und Kibana beibringen, nutzen die CLI nun als Transportschicht. Zuvor waren Details wie curl-Befehle mit eingebetteten API-Schlüsseln und Hostnamen fest codiert, was bei Rotation von Zugangsdaten oder geänderten Endpunkten zu Fehlern führt. Skills für das Onboarding in Elastic Cloud, Elastic Workflows und die Untersuchung von Kubernetes sind ab sofort verfügbar. Skills für ES|QL, Ingest, Reindex, Index-Design, Kibana-Dashboards und Alerting sind in Arbeit.

Knowledge Indicators und LLM-Tracing

Ein Beitrag von Kathleen DeRusso und ihrem Team beschreibt eine Alternative zu klassischem Retrieval Augmented Generation (RAG), bei dem für jede Frage vollständige Dokumente in den Kontext eines Agenten geladen werden. Stattdessen durchläuft ein Kibana Workflow den Korpus einmalig im Batch. Ein LLM extrahiert für jedes Dokument einen Knowledge Indicator: eine kompakte Zusammenfassung mit Titel, allgemeinverständlicher Kurzfassung, Entitäten, Fragen, die das Dokument beantworten kann, und einem Tagline. Diese werden in einen Elasticsearch AI Index geschrieben, und Agenten führen darüber mit ES|QL eine hybride Suche aus BM25 und semantischer Suche aus.

Bei einer Wikipedia-Testanfrage zur Schauspielerin, die Torvi in Vikings spielte, benötigte klassisches RAG nach Angaben von Elastic 8 Tool-Aufrufe, 386.187 Tokens und 44,86 s Latenz. Mit Knowledge Indicators waren es 2 Tool-Aufrufe, 27.625 Tokens und 15,22 s. Laut Newsletter waren die Antworten gleichwertig und stützten sich auf dasselbe Quellmaterial; insgesamt ergebe sich ein Vorteil von 93 Prozent weniger Tokens bei einem Drittel der Latenz. Der Ansatz funktioniert mit LangChain, Elastic Agent Builder und Claude Code, ohne dass das Agenten-Harness angepasst werden muss.

Außerdem zeigen LLM-Spans in Elastic APM bei mit OpenTelemetry instrumentierten Anwendungen jetzt Prompts, Antworten und Token-Zahlen pro Aufruf im Trace-Wasserfall an. Elastic Security Labs hat zudem 1.100 Entwicklerrechner mit Cursor-Hooks instrumentiert und 13 Millionen Tool-Call-Ereignisse gesammelt.

Was das für Entwickler bedeutet

Für Teams, die gemischte Dokumentenbestände verarbeiten, bietet jina-ocr-v1 einen Weg zu strukturierter Ausgabe mit nur einem Modell, von einem Managed Service bis zum On-Prem-Betrieb. Zu beachten ist, dass der Download bei Hugging Face unter CC BY-NC 4.0 lizenziert ist; die kommerzielle Nutzung läuft über Jina On-Prem.

Die CLI und die aktualisierten Agent Skills sollen es Agenten ermöglichen, mit Schutz der Zugangsdaten und Richtlinienvorgaben auf Elastic-Deployments zuzugreifen. Die Zahlen zu den Knowledge Indicators stammen aus einer einzigen Testanfrage, die Ergebnisse bei anderen Workloads können daher abweichen. Details, Code und Benchmark-Tabellen finden sich in den verlinkten Beiträgen von Elastic.