ReaderLM v2

ReaderLM v2 是 Jina AI 发布的一款小型语言模型，参数规模 1.5B，任务非常聚焦：把原始 HTML 转成对 LLM 友好的 Markdown，或按用户提供的 JSON schema 直接输出 JSON 结构化数据。它延续了 2024 年 4 月 Jina Reader API（在 URL 前加 r.jina.ai 即可转换网页）和同年 9 月 reader-lm-0.5b / reader-lm-1.5b 两条产品线。

当前版本的几个明确指标是：1.5B 参数、支持最多 512K tokens 的输入输出总长度、覆盖 29 种语言（含英语、中文、日语、韩语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、越南语、泰语、阿拉伯语等）。相比第一代把 HTML 转 Markdown 当作「选择性复制」任务，v2 把它当作真正的翻译过程，因此在代码围栏、嵌套列表、表格和 LaTeX 公式等复杂 Markdown 语法的生成上表现更好。

对普通用户，它更像是一个网页内容整理工具；对开发者，它可以直接嵌入数据清洗和抽取管线，用 HTML 到 JSON 的端到端方式省掉中间的 Markdown 步骤；对团队而言，它可以作为爬虫之后的统一格式化层，把杂乱的网页源码变成下游模型能直接消费的输入。

当成网页到结构化数据的预处理工具用时值得，当成通用大模型用时不合适。它的价值在于 1.5B 的小体量下能稳定处理 512K tokens 的长页面，并把代码块、嵌套列表、表格、LaTeX 公式都正确转成 Markdown，HTML 到 JSON 的端到端抽取也省掉了中间步骤。如果页面里包含大量表格和嵌套结构，它的格式一致性优势会比较明显。但它是小型专用模型，不是聊天或推理模型，且官网未公开价格与调用额度，实际接入前需要先跑一批真实页面确认效果。