CapyParse 记录了 10,679 月访问量，月度环比增长为 -10.6%，定价为免费增值，免费试用，付费，定价请咨询。LiteLLM 记录了 576,967 月访问量，增长率为 +7.9%，定价为免费增值，定价请咨询。
把 PDF 与扫描版银行对账单转成对账无误的 CSV、Excel、QBO 或 OFX
一个开源 AI 网关，接入 100 多个 LLM 提供商
| 维度 / 指标 | | |
|---|---|---|
| 官方域名 | capyparse.com | litellm.ai |
| 定价模式 | 免费增值，免费试用，付费，定价请咨询 | 免费增值，定价请咨询 |
| 月访问量 | 1.07万 (10,679) | 57.7万 (576,967) |
| 月度环比流量变化 | -1270 (-10.6%) | +4.25万 (+7.9%) |
| 主要市场与份额 | 🇺🇸 美国 (57.8%) | 🇺🇸 美国 (27.9%) |
| 直接访问 / 月 | 4269 | 22.9万 |
| 用户评分 | 4.2 | 4.8 |
| 支持的平台 | 网站 | 网站 |
把 PDF 与扫描版银行对账单转成对账无误的 CSV、Excel、QBO 或 OFX
每笔交易都要用对账单自身的期初余额、存入、支出与打印合计来证明，否则标记为待复核，确保进账数据都经过检查。
内置 OCR 可读取纸质对账单、模糊扫描件和手机拍摄的页面，而不只是数字版 PDF——这正是多数转换器失败的地方。
包含多个账户的 PDF 会被拆分为清晰的独立账户表格，信用卡与投资对账单也与活期账户一并支持。
把某客户或账户的所有对账单放进同一个网格，自动标记缺失或重复月份，保留该客户的分类与收款方规则，整年数据可一次导出。
一个开源 AI 网关，接入 100 多个 LLM 提供商
用一套请求格式调用 100 多个提供商和 1,800 多个模型，切换模型无须修改应用代码。
为团队、项目或应用签发限定范围的密钥，设置月度支出上限，清晰看到谁在用、花了多少。
在多个部署间分配流量，失败时自动重试，某个模型或提供商宕机时回退到备选。
用面板查看请求量、Token 数与各模型成本，并支持日志与分析工具集成。
专项更强Hosts high-performance open-weight models directly on dedicated serverless infrastructure, but does not route across external providers.
专项更强Hosts high-performance open-weight models directly on dedicated serverless infrastructure, but does not route across external providers.
通过 API 网关提供自动模型故障转移与预算管理，但开源自定义性较低。
Unified LLM gateway with failover and analytics, but offers less robust open-source developer SDK support.
提供进阶的企业级可观测性与安全防护工具，但缺乏 LiteLLM 那种轻量、自托管代理服务器的简便性。
免费 / 开源一个用来统一 LLM 供应商的开源替代方案，但中间件整合的生态系较不那么丰富。
将 PDF 与邮件自动转成结构化数据的 AI 文档解析平台
免费 / 开源Open-source request routing with built-in evaluations, but has a smaller community and fewer pre-built provider connectors.
免费 / 开源Open-source request routing with built-in evaluations, but has a smaller community and fewer pre-built provider connectors.
会自我核对的银行对账单转换器
专项更强擅长请求缓存、监控与成本分析，但主要作用是代理监控器而非路由器。
免费 / 开源Open-source gateway focused on automatic request repair and fallback, but significantly less mature than LiteLLM.
免费 / 开源Open-source gateway focused on automatic request repair and fallback, but significantly less mature than LiteLLM.
