OpenAI API 支持直接输入 PDF：gpt-4o 与 o1 可原生读文档

以往让大模型看 PDF，开发者往往得先在本地折腾一圈文档解析，或者把页面转成图片再塞进接口。

OpenAI 开发者账号在 X 上宣布，Responses 和 Chat Completions API 已经支持直接输入 PDF 文件。开发者可以直接把 PDF 送给 o1、gpt-4o 以及 gpt-4o-mini，让模型结合文件上下文生成文本。

扔掉繁琐的预处理步骤

这次更新最直接的变化，就是省掉了中间的数据清洗环节。

过去要把 PDF 喂给 API，开发者要么自己搭一套基于 Python 库的文本提取流程，要么得靠第三方文档解析服务。遇到带排版、带图表的报告，经常还要转成高分辨率图片走视觉接口。

现在 OpenAI 把文件直接作为输入参数放进 API 文档指南中，开发者少写很多胶水代码，就能把财报、论文或长合同直接扔给模型去总结和推理。

为什么重要

对开发者来说，这直接降低了做文档问答和自动化工作流的门槛。如果你之前因为处理 PDF 解析报错而头疼，现在很值得换成官方的原生输入试一试，代码量会少一大截。

对行业而言，看起来 OpenAI 正在把越来越多原本属于外围工具链的脏活累活收进自己的 API 里。这给专门做文档提取、轻量 RAG 预处理的中间层工具带来了不小的挤压。

我们认为这一步做得很实用，但开发者也需要留意细节。文档被 API 接收后底层如何切片、计费规则和 token 消耗怎么算，都需要仔细对照官方文档测一下，特别是面对复杂表格和扫描件时，原生处理的效果依然需要在实际业务里跑一跑才能下结论。