Parallel AI 的 Task API 是与 Entity Enricher 最接近的产品：给它一个实体和一份 JSON 模式，网络研究代理就会填充字段，并为每个字段附上引用来源和置信度分数。差别在于每个平台如何为一个值建立可信度——以及结果之后会怎样。Entity Enricher 会在多个独立 LLM 之间交叉校验字段，读取你自己的文档，用语义 ID 对关联实体去重，并将全部内容以关系表的形式持久化到你自己的数据库中。
2 个以上独立 LLM 回答同一架构；字段级分歧会被检测出来，并由规则或 AI 仲裁器解决，同时记录推理过程。
每个任务一条研究流水线。置信度是真实的，且逐字段给出，但那仍是同一套系统在给自己的答案打分。
LLM 世界知识、实时网络搜索，以及你自己的文档（PDF、Office 文件、图片、音频）均可作为一等数据源。
带引用来源的实时网络研究——获取新鲜的公开事实很有优势，但你的私有文档无法作为数据源。
增强结果会作为实体状态持久保存，并以真实关系表的形式镜像到你自己的 PostgreSQL——提供 SQL 快照和幂等增量数据流——同时语义 ID 会将重复的关联实体合并为一条带键记录。
每次运行返回一个 JSON 对象。存储、身份标识、去重以及与既往运行结果的对账，都要你自己搭建。
自带 LLM API 密钥，直接向提供商支付 token 费用——支持提示词缓存与逐次调用的成本可见性。支持自托管模型。
按处理器深度确定的单次请求固定价格（公开价格为每 1,000 次运行 5–2,400 美元）。预算简单明了；不支持 BYOK。
| 功能 | Entity Enricher | Parallel AI |
|---|---|---|
| 自定义输出架构（任意嵌套） | ||
| 你定义的任意实体类型 | ||
| 来源 | LLM 知识 + 你的文档 + 网络 | 实时网络研究 |
| 多模型扇出（2 个以上 LLM 并行） | ||
| 字段级融合与冲突解决 | ||
| 逐字段证据 | 仲裁审计追踪 | 引用来源 + 置信度 |
| 语义 ID（关联实体去重） | ||
| 关系型同步到你自己的数据库 | ||
| 文档摄取(PDF、DOCX、图像) | ||
| 预检 entity classification | ||
| 多语言输出（40 种语言） | ||
| 自带密钥 / 自托管模型 | ||
| 批处理 | 任务组 | |
| REST API + MCP + n8n / Make 界面 | API + SDK | |
| 定价模式 | 按 token 计费（BYOK） | 按请求计费的处理器分级 |
按 token 计费
自带 LLM API 密钥，为所消耗的 token 直接向提供商付费。提示词缓存让多模型运行保持低成本；每次调用都会报告其确切成本。
按请求分级计费
按处理器深度确定的单次运行固定价格——公开档位从每 1,000 次运行 5 美元到 2,400 美元不等，增强类任务约为每 1,000 行 5-25 美元。不支持 BYOK；研究技术栈及其模型账单都归 Parallel 所有。
定价反映公开发布的分级，可能会发生变化——请向各供应商确认当前费率。
Exa Websets 和 Bright Data 的 Deep Lookup 解决的是相邻的问题：把自然语言查询变成一份符合条件的实体列表，并附带条件列。它们负责发现实体；而 Entity Enricher 和 Parallel 负责增强你已有的实体。如果发现环节才是你的瓶颈，可以把它们接在增强步骤的上游。
在你的 schema 上运行多个独立模型，记录推理过程以仲裁分歧，并将结果落入你自己的数据库 —— 已去重并带键。
免费开始使用