Извлекатель полей Dharma: Любой документ на входе, структурированные поля в формате JSON на выходе
huggingface ·
Компания Dharma-AI выпустила Dharma Field Extractor — специализированную модель с 2 миллиардами параметров, предназначенную для преобразования неструктурированных изображений документов в структурированные данные в формате JSON. В отличие от универсальных систем оптического распознавания символов (OCR) или больших языковых моделей, которые возвращают сырой текст, этот инструмент извлекает конкретные поля на основе заданных пользователем схем или автоматически определяет их из контекста. Модель обучена на более чем 43 000 примеров на английском, португальском и других языках, охватывая разнообразные типы документов, такие как счета-фактуры, удостоверения личности и медицинские формы. В тестовых испытаниях с участием 546 документов экстрактор превзошел передовые большие языковые модели, такие как Claude Opus 5 и GPT-5.6 Luna, по точности на уровне отдельных полей. Кроме того, стоимость самостоятельного развертывания модели на GPU L40S в 6–147 раз ниже, чем использование коммерческих API-интерфейсов. Система поддерживает как свободное извлечение данных, так и запросы, направленные по схеме, возвращая значения null для отсутствующих данных вместо генерации вымышленной информации. Этот выпуск подтверждает тезис Dharma-AI о том, что небольшие, узкоспециализированные модели могут превосходить более крупные универсальные модели по эффективности и экономической целесообразности.
huggingface