De Task API van Parallel AI komt het dichtst in de buurt van Entity Enricher: geef er een entiteit en een JSON-schema aan mee en een webonderzoeksagent vult de velden in, met bronvermeldingen en een betrouwbaarheidsscore per veld. Het verschil zit in hoe elk platform vertrouwen in een waarde opbouwt — en in wat er daarna met het resultaat gebeurt. Entity Enricher controleert velden kruislings via meerdere onafhankelijke LLM's, leest je eigen documenten, dedupliceert gekoppelde entiteiten met semantische ID's en bewaart alles als relationele tabellen in je eigen database.
2+ onafhankelijke LLM's beantwoorden hetzelfde schema; meningsverschillen op veldniveau worden gedetecteerd en opgelost via een regel of een AI-arbiter, met de redenering vastgelegd.
Eén onderzoekspipeline per taak. De betrouwbaarheid is echt en per veld, maar het is hetzelfde systeem dat zijn eigen antwoord beoordeelt.
LLM-wereldkennis, live zoeken op het web en je eigen documenten (pdf's, Office-bestanden, afbeeldingen, audio) als volwaardige bronnen.
Live webonderzoek met bronvermeldingen — sterk voor actuele publieke feiten, maar je eigen documenten zijn geen bron.
Verrijkingen blijven bewaard als entiteitsstatus en worden gespiegeld naar je eigen PostgreSQL als echte relationele tabellen — een SQL-snapshot plus een idempotente delta-feed — terwijl semantische ID's dubbele gekoppelde entiteiten samenvoegen tot één rij met sleutel.
Elke run levert een JSON-object op. Opslag, identiteit, deduplicatie en afstemming met eerdere runs bouw je zelf.
Gebruik je eigen LLM-API-sleutels en betaal je providers rechtstreeks voor tokens — met prompt caching en inzicht in de kosten per call. Zelfgehoste modellen worden ondersteund.
Vaste prijs per aanvraag op basis van processordiepte (gepubliceerd op $5–$2.400 per 1.000 runs). Eenvoudig te budgetteren; geen BYOK.
| Functie | Entity Enricher | Parallel AI |
|---|---|---|
| Aangepast uitvoerschema (elke nesting) | ||
| Elk entiteitstype dat je definieert | ||
| Bronnen | LLM-kennis + je documenten + web | Live webonderzoek |
| Multi-model fan-out (2+ LLM's parallel) | ||
| Fusie en conflictoplossing op veldniveau | ||
| Bewijs per veld | Audittrail van arbitrage | Bronvermeldingen + betrouwbaarheid |
| Semantische ID's (ontdubbeling van gekoppelde entiteiten) | ||
| Relationele sync naar je eigen database | ||
| Documentinname (PDF, DOCX, afbeeldingen) | ||
| Pre-flight-entiteitclassificatie | ||
| Meertalige uitvoer (40 talen) | ||
| Breng je eigen keys mee / zelf-gehoste modellen | ||
| Batchverwerking | Taakgroepen | |
| REST API + MCP + n8n / Make-oppervlakken | API + SDK | |
| Prijsmodel | Betalen per token (BYOK) | Processorniveaus per verzoek |
Betalen per token
Gebruik je eigen LLM-API-sleutels en betaal je providers rechtstreeks voor de verbruikte tokens. Prompt caching houdt runs met meerdere modellen goedkoop; elke call rapporteert de exacte kosten.
Niveaus per verzoek
Vaste prijs per run op basis van processordiepte — de gepubliceerde niveaus lopen van $5 tot $2.400 per 1.000 runs, waarbij verrijkingsachtige taken rond $5-25 per 1.000 rijen liggen. Geen BYOK; de onderzoeksstack en de bijbehorende modelkosten zijn van Parallel.
Prijzen weerspiegelen openbaar gepubliceerde tiers en kunnen wijzigen — controleer bij elke leverancier de actuele tarieven.
Exa Websets en Deep Lookup van Bright Data lossen een aangrenzend probleem op: een zoekopdracht in natuurlijke taal omzetten in een lijst met bijpassende entiteiten en criteriakolommen. Zij ontdekken entiteiten; Entity Enricher en Parallel verrijken entiteiten die je al hebt. Is ontdekken je knelpunt, zet er dan een van beide vóór je verrijkingsstap.
Draai meerdere onafhankelijke modellen op je schema, arbitreer hun conflicten met vastgelegde redenering, en zet het resultaat in je eigen database — ontdubbeld en van sleutels voorzien.
Gratis aan de slag