A Dharma-AI publicou os detalhes do Field Extractor no Hugging Face em 4 de novembro de 2026. É um modelo de 2 bilhões de parâmetros feito para tirar campos específicos de documentos. O OCR comum devolve todo o texto da página e deixa para alguém escrever o código que liga cada trecho a um campo do banco de dados. Este modelo já entrega JSON estruturado.
Duas formas de pedir
O modelo recebe a imagem de um documento e um de dois tipos de requisição:
- Aberta: sem esquema. O modelo identifica pelo layout e pelo contexto o que é campo, como um rótulo seguido de valor ou uma tabela com linha de cabeçalho, e devolve pares chave-valor.
- Dirigida por esquema: você define os campos de que precisa, atribui um tipo a cada um (texto, número ou booleano) e usa os nomes de chave que o seu sistema já tem. A saída segue exatamente esse formato, sem chaves extras. Um campo que não está no documento volta como null, sem valor inventado.
As tabelas são preenchidas linha a linha. Uma nota fiscal, por exemplo, devolve os itens numa lista ordenada, cada um com quantidade e valor, ao lado dos totais. Segundo a Dharma-AI, um único checkpoint cobre todos os tipos de documento, sem ajuste fino por tipo.
Como foi construído
A base é o DharmaOCR-LITE v1.1, nova versão de 2B do modelo de OCR da empresa, lançada em abril e já ajustada com fine-tuning supervisionado e DPO. Sobre ela, o time treinou um adaptador LoRA com 43.384 exemplos que cobrem os dois modos de requisição. Os dados vêm de três fontes: documentos em inglês coletados da web pública, documentos reais brasileiros em português obtidos internamente e uma fatia menor multilíngue, com outros idiomas europeus e asiáticos. Todos foram anotados no nível de campo e incluem recibos, notas, formulários, extratos bancários e documentos de identidade, entre outros.
O que o benchmark mostra
O benchmark tem 546 documentos e 1.638 casos, distribuídos em três cenários: todos os campos sem esquema, um esquema parcial com campos reais e um esquema que inclui também campos inexistentes. A pontuação combina F1 por campo, similaridade de valor nos campos acertados e a proporção de saídas em JSON válido.
O Field Extractor fez 0,834. As quatro configurações de ponta ficaram entre 0,816 (Claude Opus 5) e 0,741 (GPT-5.6 Luna). A Dharma-AI calcula que o seu custo é de 6 a 147 vezes menor, conforme o modelo de comparação.
Os dois lados têm preços calculados de formas diferentes. Os custos dos modelos de ponta partem de tokens por página medidos, a preço de tabela, com raciocínio em nível baixo. A taxa de US$ 2,24 por hora citada pela Dharma-AI refere-se ao aluguel de uma GPU L40S por uma hora. A empresa afirma que esse valor não é preço de venda e que o custo em hospedagem própria varia com hardware, volume e latência. Ela também relata testes em dois conjuntos públicos, SROIE e FUNSD, que ficaram fora do treinamento. Todos esses números vêm do próprio fornecedor, e a fonte não cita nenhuma replicação independente.
O que está disponível
O post traz o link de uma demonstração para testar o modelo com documentos próprios. A fonte não informa termos de licença, disponibilidade dos pesos nem oferta comercial do Field Extractor, então esses pontos seguem sem confirmação.