O ChatGPT é um modelo de linguagem de grande dimensão de uso geral desenvolvido pela OpenAI (São Francisco). O Claude é um LLM de uso geral desenvolvido pela Anthropic (São Francisco). O Gemini é um LLM de uso geral desenvolvido pela Google (Mountain View). Os três leem documentos através de modelos multimodais e os três podem devolver output restringido a um esquema JSON definido por si.
A versão honesta desta comparação é mais estreita do que era há dois anos. Estes modelos extraem bem, e a anyformat usa LLM internamente. A pergunta não é se um modelo sabe ler uma fatura. É o que rodeia o modelo quando um valor errado custa dinheiro: de onde veio o valor, qual a probabilidade de estar certo, quem o revê quando não está e sob que jurisdição o documento foi processado.
O nível de consumo e o nível de API são produtos diferentes
Quase toda a confusão nesta comparação vem de tratar «ChatGPT» e «a API da OpenAI» como a mesma coisa. Não são, e a diferença é de governação de dados.
As aplicações de consumo — ChatGPT, Claude.ai, a app Gemini — conservam as conversas por omissão e, consoante o plano e as definições, esse conteúdo pode ser usado para melhorar modelos. Carregar aí documentos de clientes é uma decisão de governação, não uma decisão técnica.
Os níveis de API e empresa atuam como subcontratantes ao abrigo de um DPA com cláusulas contratuais-tipo, não treinam com o conteúdo submetido por omissão e oferecem modos de retenção zero sujeitos a aprovação. As plataformas dos três fornecedores têm certificação ISO 27001.
Assim, a afirmação genérica de que os LLM não são conformes é falsa. A afirmação mais estreita — que os chatbots de consumo são o sítio errado para documentos de produção — mantém-se.
A lacuna de proveniência
Quando um modelo devolve o total de uma fatura, devolve um número. Não devolve as coordenadas de onde esse número foi lido. Alguns fornecedores devolvem citações para uma passagem de texto de origem; nenhum liga um campo extraído a uma bounding box na imagem da página.
O processamento documental em produção exige auditabilidade. Quando um valor extraído entra no seu ERP e desencadeia um pagamento, auditores, responsáveis de conformidade e sistemas a jusante precisam de verificar de onde veio.
A anyformat anexa uma citação visual a cada campo extraído: clica no campo e aterra na posição exata do documento de origem. É o que torna auditáveis as decisões da IA ao abrigo de regulamentos europeus como o ViDA, o DORA e as obrigações nacionais de faturação eletrónica.
Fluência não é calibração
Os LLM são fluentes. Dão respostas de som seguro mesmo quando estão incertos. Um modelo pode extrair um número de encomenda e apresentá-lo com a mesma aparente certeza do total de uma fatura, ainda que esteja a adivinhar a partir de uma digitalização desfocada.
As log-probabilidades dos tokens não servem de substituto. Descrevem o quão seguro o modelo estava do token seguinte, não a probabilidade de um campo estar correto, e não estão calibradas contra resultados. Não há, portanto, limiar que possa fixar nem campo que possa aprovar automaticamente com essa base. É o problema das falhas silenciosas: um valor errado apresentado com segurança passa todos os controlos a jusante até a reconciliação falhar.
A anyformat atribui uma pontuação de confiança calibrada a cada campo extraído, medida em 99,1% de precisão de calibração com um Adaptive ECE de 0,009 (benchmark anyformat, 2026). A calibração é o que dá sentido a um limiar: o campo a 98% passa sozinho, o campo a 62% segue para um revisor.
A descodificação restringida fechou esta lacuna. O Structured Outputs, os esquemas de ferramentas e os response schemas tornam o output estruturalmente determinista: os mesmos nomes de campo, o mesmo aninhamento, os mesmos tipos, em cada execução. Quem ainda descreve o output de um LLM como estruturalmente imprevisível está a descrever 2023.
O que a validade estrutural não diz é se o valor está certo. Um campo bem tipado pode estar errado com toda a segurança, e um esquema não o apanhará. É para isso que servem a avaliação e a confiança calibrada, e nenhuma das duas vem com a API de um modelo.
A anyformat inclui uma suite de evals: corre um conjunto anotado, obtém precisão por campo, apanha regressões antes de chegarem a produção e compara alterações do pipeline contra uma linha de base fixa em vez de uma impressão.
Custo à escala
O preço por token dos LLM torna barata a extração pontual. Em volumes de produção, as contas mudam: o custo escala com o número de páginas, com as retentativas e com cada novo prompt gasto a convencer um documento teimoso. A rubrica mais pesada é normalmente a engenharia: manutenção de prompts, validação de outputs, lógica de retentativas e as ferramentas de revisão que acaba por construir de qualquer forma.
A anyformat fatura em créditos, por página e por operador: 10 créditos custam 0,01 €, pelo que o Parse são 25 créditos por página (0,025 €) e o Extract 35 créditos por página (preçário anyformat, 2026). O número a comparar é o custo por output correto, não o custo por token.
Soberania europeia e jurisdição
Esta é a dimensão onde nada mudou. A OpenAI, a Anthropic e a Google têm sede nos EUA. Existem regiões de processamento europeias e opções de residência de dados, mas o fornecedor que opera o serviço continua sob jurisdição norte-americana, e é isso que os requisitos europeus de soberania testam, não onde fica o centro de dados. Na tabela comparativa acima, a soberania da UE é a linha em que todos os concorrentes pontuam «não».
A anyformat é nativa da UE. Entidade europeia, infraestrutura europeia, certificação ISO 27001, conformidade com o RGPD por arquitetura, com processamento com retenção zero e implementação on-premise ou air-gapped em todos os planos.
Orquestração de workflows e revisão humana
As API de modelos processam um documento de cada vez, uma chamada de cada vez. Classificação, divisão, encaminhamento, validação, filas de revisão, lógica condicional e integração a jusante são engenharia à medida que constrói e mantém, e a interface de revisão, a parte que ninguém dimensiona, é normalmente a peça maior.
A anyformat inclui o Studio, uma tela de workflows sem código com ramificações, condições, divisão, encaminhamento, operadores de extração, cruzamento com fontes de dados internas e revisão humana integrada. As equipas de operações alteram o processo sem um deploy de código.
Tabelas, figuras e layouts complexos
Os modelos multimodais leem tabelas e gráficos com competência e, combinados com um response schema, devolvem as linhas como JSON tipado. Os modos de falha que restam são os operacionais: tabelas que atravessam dezenas de páginas, onde o enviesamento posicional perde linhas a meio; células unidas e tabelas que atravessam páginas; e a ausência de qualquer proveniência por célula com que verificar uma linha suspeita.
O pipeline multietapa da anyformat manteve ~99% de recuperação de linhas em tabelas até 50 páginas e cerca de 2.400 linhas (benchmark anyformat, 2026), e devolve as figuras como descrições classificadas e ligadas ao esquema, com citações. São problemas de engenharia que não se resolvem só com prompts.
O modelo mental certo
Os LLM são o motor dentro das plataformas modernas de processamento documental, incluindo a anyformat. Usar a API de um modelo em bruto para extração em produção é como comprar um motor diesel e chamar-lhe transporte. O motor é excelente. Não é um veículo.
A anyformat é o veículo: o modelo envolvido em confiança calibrada, citações visuais, orquestração de workflows, revisão humana, evals e controlos de conformidade nativos da UE.
Para produção, sim, mas não pelas razões que esta comparação dava antes. As API de modelos tratam hoje da validação de esquemas, da leitura de tabelas e da interpretação de gráficos, correm em plataformas certificadas ISO 27001, assinam DPA de subcontratante e oferecem retenção zero de dados no nível de API. O que não fornecem é uma pontuação de confiança calibrada por campo, uma citação visual que ligue cada valor à sua posição na página, uma camada de workflows com revisão humana, uma estrutura de evals para medir precisão nos seus próprios documentos ou uma opção de jurisdição da UE. A anyformat usa LLM como motor de extração e fornece exatamente essas cinco coisas. Se responde a perguntas pontuais sobre um punhado de documentos, um modelo em bruto é a ferramenta certa. Se processa milhares por dia com obrigações de conformidade europeias, a infraestrutura em redor é o produto.
Quando usar um LLM em bruto
Prototipagem, perguntas pontuais, análise isolada. Use um modelo em bruto quando está a explorar, não quando está a operar.
Quando os documentos chegam a produção: cada valor rastreável até à sua posição na página, cada campo incerto encaminhado para um revisor, a precisão medida em vez de presumida, e tudo sob jurisdição da UE.
A anyformat é a plataforma de inteligência documental agêntica construída para empresas europeias. Com certificação ISO 27001, conformidade com o RGPD, processamento com retenção zero e implementação on-premise. Comece em anyformat.ai
