同一份文档两种送法：在一把 key 上发 PDF 附件还是渲染成页面图
在 LLM 文档理解任务中，直接发送 PDF 附件与先将页面渲染成图片是两种常见的输入方式。本文对比两者的 token 开销、不同模型后端（Claude、GPT、DeepSeek、Qwen、GLM、Kimi）对两种格式的支持情况，以及还原度差异，帮助你在同一 API key 下选择更合适的送法。
两种送法的本质区别
当你要让 LLM 理解一份 PDF 文档时，有两种常见的输入方式：
- 直接发 PDF 附件：把 PDF 文件本身作为附件传给模型，由模型后端解析文档结构（文本、表格、图片、排版）。
- 渲染成页面图：在本地把 PDF 每一页渲染成图片（如 PNG/JPEG），再把图片按页送给模型，模型基于视觉能力理解页面内容。
这两种方式在 token 开销、后端支持、还原度上都有明显差异。
Token 开销对比
- PDF 附件：token 消耗取决于后端如何解析。有些后端会把 PDF 中的文本抽取出来按文本计费，有些则会把页面当作图像处理。通常来说，文本型 PDF 的 token 开销较低，但扫描件或复杂排版可能被转成图像，导致开销上升。
- 页面图：每页图片会按视觉 token 计费，通常与图片分辨率相关。页数多、分辨率高时 token 开销会显著增加。
建议：如果文档以文本为主、页数较多，优先尝试 PDF 附件；如果文档是扫描件或需要保留精确版面，页面图可能更直接，但需注意控制分辨率和页数。
各后端对两种格式的支持
不同模型后端对 PDF 附件和页面图的支持程度不同：
- Claude：原生支持 PDF 附件，能解析文本和版面；也支持图像输入。
- GPT：支持图像输入；PDF 附件通常需要先抽取文本或转图，具体支持程度取决于接入方式。
- DeepSeek：以文本为主，PDF 附件一般需先转文本；图像支持有限。
- Qwen：部分版本支持视觉输入，PDF 附件需确认后端是否解析。
- GLM：部分版本支持视觉输入，PDF 附件支持情况需查阅对应模型文档。
- Kimi：长文本能力强，PDF 附件通常以文本抽取方式处理；图像支持需确认。
实践提示：在聚合站上，同一个 API key 可以调用多个模型。你可以先用 PDF 附件尝试，如果后端不支持或效果不佳，再改用页面图。
还原度差异
- PDF 附件：后端解析器决定了还原度。文本抽取可能丢失表格结构、多栏排版、脚注等；如果后端把 PDF 当图像处理，还原度接近页面图。
- 页面图：还原度取决于渲染质量。高分辨率图片能保留版面、字体、表格线等视觉信息，但可能因压缩或缩放损失细节。
关键点：对于表格密集、排版复杂的文档，页面图通常能更好地保留空间关系；对于纯文本，PDF 附件更经济。
如何选择
- 优先确认目标模型后端是否支持 PDF 附件。
- 如果文档是文本型且页数多，先试 PDF 附件，观察 token 消耗和回答质量。
- 如果文档是扫描件、表格多或需要精确版面，用页面图，并控制分辨率和页数。
- 在聚合站上，可以用同一个 key 快速切换后端对比效果。
注意事项
- 两种送法都会消耗 token，具体开销因后端和文档内容而异，建议先小规模测试。
- 页面图会增加请求体积，注意单次请求的页数限制。
- 无论哪种方式，都建议在提示中明确文档结构，帮助模型定位信息。