Dharma-AI выпустила Field Extractor: 2 млрд параметров для извлечения полей из документов

Dharma-AI выпустила Field Extractor — модель на 2 млрд параметров, которая получает изображение документа и возвращает нужные поля в JSON. На собственном тесте компании модель набрала 0,834 и обошла все проверенные универсальные модели: у Claude Opus 5 результат 0,816, у GPT-5.6 Luna — 0,741.

Модель решает задачу, где нужен не весь текст страницы, а конкретные значения: номер счёта, дата, сумма, список позиций. Запрос бывает двух видов. В открытом режиме схема не задаётся, и Field Extractor сам находит на странице пары «подпись — значение» и таблицы по вёрстке. В режиме по схеме пользователь перечисляет ключи и типы (строка, число, логическое значение), и ответ приходит ровно с этими ключами, без лишних полей. Если запрошенного поля в документе нет, модель возвращает null, а не подставляет значение.

Изображение: Hugging Face Blog

База — DharmaOCR-LITE v1.1, версия на 2 млрд параметров, уже обученная распознавать текст. Поверх неё компания обучила LoRA-адаптер на 43 384 примерах: документы разных типов из открытого веба на английском, реальные бразильские документы на португальском и небольшая доля других европейских и азиатских языков. Один чекпойнт работает со всеми типами документов без отдельного дообучения.

Тест охватил 546 документов и три сценария запроса, всего 1 638 случаев. Качество считали по F1 на уровне полей с поправкой на схожесть значений и долю ответов, которые оказались валидным JSON. Разрыв с универсальными моделями компания оценила в 1,8–9,3 пункта. Стоимость извлечения, по её расчёту, ниже в 6–147 раз, но это оценка запуска на собственной видеокарте L40S по $2,24 в час, а не цена продажи: она зависит от железа, объёма и требуемой задержки. Попробовать модель на своих документах можно в демо на Hugging Face.

Изображение: Hugging Face Blog

Официальный сайт: Claude.