Dharma-AI опубликовала описание Field Extractor на Hugging Face 4 ноября 2026 года. Это модель на 2 млрд параметров, которая извлекает из документов конкретные поля. Обычный OCR отдаёт весь текст страницы, а код, сопоставляющий каждую строку с полем базы данных, приходится писать отдельно. Эта модель сразу возвращает структурированный JSON.
Два способа запроса
Модель принимает изображение документа и запрос одного из двух типов:
- Открытый: схема не передаётся. Модель сама определяет по разметке и контексту, что считать полями (например, подпись и следующее за ней значение или таблица со строкой заголовков), и возвращает пары «ключ - значение».
- По схеме: вы перечисляете нужные поля и задаёте каждому тип (строка, число или булево значение), используя названия ключей, которые уже приняты в вашей системе. Ответ в точности повторяет эту структуру, лишних ключей нет. Если поля в документе нет, модель возвращает null, а не выдуманное значение.
Таблицы заполняются построчно. Например, из счёта позиции приходят упорядоченным списком, у каждой есть количество и сумма, рядом лежат итоги. По словам Dharma-AI, один чекпойнт справляется со всеми типами документов без дообучения под каждый тип.
Как модель устроена
Основа - DharmaOCR-LITE v1.1, новая версия OCR-модели компании на 2 млрд параметров, выпущенная в апреле; она уже прошла supervised fine-tuning и DPO. Поверх неё команда обучила адаптер LoRA на 43 384 примерах, охватывающих оба режима запросов. Данные состоят из трёх потоков: английские документы из открытого интернета, реальные бразильские документы на португальском из внутренних источников и небольшая мультиязычная доля на других европейских и азиатских языках. Всё размечено на уровне полей, среди типов документов - чеки, счета, формы, банковские выписки и удостоверения личности.
Что показывает бенчмарк
В бенчмарке 546 документов и 1638 кейсов в трёх сценариях: все поля без схемы, частичная схема из реально существующих полей и схема, куда добавлены несуществующие поля. Итоговая оценка объединяет F1 по полям, схожесть значений в совпавших полях и долю валидных JSON-ответов.
Field Extractor набрал 0,834. Четыре frontier-конфигурации уложились в диапазон от 0,816 (Claude Opus 5) до 0,741 (GPT-5.6 Luna). Свои затраты Dharma-AI оценивает примерно в 6-147 раз ниже, в зависимости от модели сравнения.
Стоимость у двух сторон считается по-разному. Для frontier-моделей взяты измеренные токены на страницу по прайс-листу при низком уровне рассуждений. Ставка $2,24 в час, на которую ссылается Dharma-AI, - это аренда одной GPU L40S на час. Компания подчёркивает, что это не цена продажи и что стоимость при самостоятельном хостинге зависит от оборудования, объёма и задержки. Кроме того, Dharma-AI приводит тесты на двух публичных датасетах, SROIE и FUNSD, которые не использовались при обучении. Все эти цифры принадлежат самому вендору, независимых повторных проверок источник не упоминает.
Что доступно
В публикации есть ссылка на демо, где модель можно опробовать на своих документах. Условия лицензирования, доступность весов и коммерческое предложение для Field Extractor в источнике не названы, так что эти вопросы остаются неподтверждёнными.