用 1,250 頁沒有調校過的 held-out 頁面，把十二個 Reader 各自用作者自己的協定跑一遍：MinerU2.5-Pro + dots.mocr 的 composite、OCR 專用模型、open-weights VLM、兩個雲端 frontier 模型，以及每台 Mac 內建的免費 OCR。重點不是誰的平均分數漂亮，而是你的系統會在哪些頁面上直接失去資料。

這篇文章談的是 Collection Autofill 的架構設計：一個把非結構化資料整理成 structured context 的產品介面，如何在幾百列到上千萬個 AI-computed cells 的規模下，仍然保持快速、公平且可觀測。

一台 MacBook Pro M4 Max、一個開源 MoE 模型，針對推論優化的一次實戰：為什麼讓 LLM 吞吐量崩跌 100 倍的是 prefill（而不是 decode），以及兩個 prefill 側的關鍵優化。