Mathis Lichtenberger 在 LinkedIn 帖[1]里写,这是他全职做 ChatPDF 之后的第一项大改进,后面还有更多。改进内容听起来不太像 AI 公司会拿来当头条的东西:把 PDF 和对话窗口并排放在同一块屏幕上。同一个页面上的 ChatPDF 官方帖补了一句,这样用户能一边看原文一边提问,不用在窗口之间来回切换。
一个建立在语言模型上的产品,全职之后先拿出来夸的,不是模型换了哪一版,而是一块屏幕怎么摆。这个排序比任何功能列表都更说明它想解决什么。
读 PDF 的麻烦,多半就在这一步。比如你要处理一份四十页的租赁合同,想弄清楚“押金在什么条件下可以退”。老办法是 Ctrl+F 搜关键词,再上下读几段判断语境;或者把整份文件贴进通用聊天框。要是它只给出一段读起来很顺的话、却不指出落在原文哪一段,你仍要自己判断它是从文件里来的,还是从模型自己的常识里来的。
ChatPDF 接手的是中间这一段:把文件拖进去,把问题打进去,回答和它在原文里的落脚点一起回来。官网 FAQ[2]说,它会给文档的内容和含义建一层映射,收到问题时先找出相关段落,再生成带引用的回答;具体请求在 GPT-4o 与 GPT-4o-mini 之间动态路由。官网展示的并排视图和内置引用,答案里的链接可以直接跳回 PDF 对应位置。这些是官方自述,所引材料没有独立的准确性或性能测试。
但这套设计里有个站得住的判断:在“读一份不熟悉的文件”这件事上,答案能核对比答案漂亮更要紧。并排布局是这个判断的另一半。引用给了你一个页码,可页码要真的省事,眼睛就不能被逼着离开答案。
图:来源 ChatPDF 发布者在 Product Hunt 的产品图[3],2026-11-11取得,保留原界面。
用起来没有账号门槛。官网[2]说不用注册就能开始,注册的好处是历史能存下来,也能开多文档对话。支持格式包括 PDF、Word、PowerPoint、Markdown 和纯文本;首页 hero 还写了 file、video、website,但 FAQ 没列视频和网站,不能把 hero 当完整输入清单。
多文档对话值得单独说一句。官方说可以建文件夹,把几份 PDF 放进同一段对话,跨文件提问、比较、找联系。读一整套合同时,这大概是和单份问答最不一样的地方:不是一份份读完再自己拼,而是让它们先待在一个房间里。
免费和付费的分界在用量。官网 FAQ[2]说免费计划每天能分析 2 份文档,ChatPDF Plus 不限数量,还有更多高级功能。这个额度把免费使用卡在每天 2 份;一天要处理超过 2 份合同或判决,才会碰到上限。
但免费额度不是转化率。所引官网没有给出 ChatPDF 的收入、利润、模型与文件存储成本,也没有 Plus 的实际报价和扣款周期;这些都不能从免费额度倒推。官网首页的用户规模在同一页有“10M+ Researchers”和“10M+ users”两种写法,未给统计口径,不能当核实过的用户数用。
安全上,官方说文档默认严格私有,传输用 SSL,存储时保持加密(存储供应商通过 SOC2 Type II),用户可以随时删除。真正要递给同事或客户时,还能为某一份 PDF 生成安全链接,受邀者不用账号就能免费打开,分享权限可以管理,也可以撤销。对这类场景,“能撤销”比“已加密”更有实感:加密是承诺,撤销是遥控器。
如果你不是读者,而是想把这块能力接进自己的系统,门槛会立刻变得具体。后端 API[4]可以把这份能力接进系统,但责任划分变了:聊天 API 是无状态的,不会自动带上同一份来源里之前说过的话。调用方需要在单次请求里自己把相关历史发过去;想要页码引用,也得在请求里显式打开。换句话说,模型不记得你刚才问过什么,是调用方的代码要记得。
在另一种交付方式里,“答案得能指回原文”被做成了按页扣积分的 API 交付。PDF.ai 的 Extract API[5]按 JSON schema 从 PDF 抽结构化字段,返回结果带 citations,把每个字段链到原文片段。这里卖的不是对话界面,而是可追溯的结构化输出。
这个对照只覆盖一个共同条件:两者都要求答案能追回原文。再往下,ChatPDF 这一边主要讲人跟文档对话的网页体验,PDF.ai 的 Extract API 这一边是程序按 schema 往外取结构化字段。它能说明的是两条交付路径不同,不能说两家公司只服务互不重叠的买家。
让答案别离开原文,是这套产品最一致的动作。带页码的引用、并排的窗口、可以撤销的分享链接,以及 API 里那个要显式打开的引用开关,都在同一件事上加码:生成一段回答不难,难的是让人愿意信它,并且点一下就能自己验一遍。Mathis 在帖子里说,他对这个领域里新的 UI/UX 改进的可能性着迷。界面得把答案留在原文旁边,人才愿意信,也才能顺手核一遍。