Dharma Field Extractor: el document entra, el JSON surt

Un laboratori brasiler de models petits

Dharma-AI, segons el seu propi web, és un laboratori d'intel·ligència artificial amb seu a Rio de Janeiro (Brasil) que desenvolupa models de llenguatge petits i especialitzats. El 4 de novembre de 2026 va presentar Dharma Field Extractor, que rep la imatge d'un document i en retorna els camps en JSON estructurat.

Segons Dharma-AI, el model extreu exactament els camps que se li demanen, sigui quin sigui el tipus de document, i un mateix punt de control serveix per a tots, sense ajust fi per tipus. Una factura, per exemple, surt amb cada línia com una llista ordenada, amb la quantitat i l'import.

Camps, no pàgines

L'OCR retorna tot el que hi ha imprès, línia a línia, sense indicar quina cadena és la data ni quin número és el total. Després algú ha d'escriure el codi que porta cada valor al seu camp abans que arribi a la base de dades.

Un model de llenguatge gran generalista (LLM, large language model) pot fer aquesta feina amb instruccions acurades, però, segons Dharma-AI, als preus i latències de les seves API surt car en tasques que moltes empreses executen en gran volum.

Obert o amb esquema

Segons Dharma-AI, en la petició oberta Dharma Field Extractor no rep cap esquema: dedueix pel context i la maquetació quines parts de la pàgina són camps, com ara una etiqueta seguida d'un valor o una taula amb capçalera, i ho retorna tot com a parells clau-valor.

Amb esquema, el sistema fixa cada camp, el seu tipus i el nom de clau que ja fa servir, i tornen exactament aquestes claus, sense camps de més. Si se'n demana un que no és al document, segons l'empresa, retorna null en lloc d'inventar un valor.

Construït sobre el seu model d'OCR

Segons Dharma-AI, la base és una nova versió de DharmaOCR-LITE, també de dos mil milions de paràmetres, ja especialitzada en OCR mitjançant ajust fi. A sobre, l'empresa va entrenar un adaptador LoRA amb 43.384 exemples que cobreixen tots dos modes de petició.

Les dades combinen documents en anglès del web públic, documents brasilers reals en portuguès i una part més petita en altres llengües europees i asiàtiques, anotats camp a camp: rebuts, factures, formularis, extractes bancaris, documents d'identitat i documents sintètics, segons l'empresa.

Com es puntua

Segons Dharma-AI, el seu benchmark reuneix 546 documents i 1.638 casos, repartits entre extreure tots els camps sense esquema, omplir un esquema parcial amb camps reals i omplir-ne un altre que inclou expressament camps inexistents.

La nota final multiplica aquesta F1 per la similitud de text dels valors encertats i per la proporció de respostes que arriben com a JSON vàlid, segons l'empresa.

Qualitat i cost, segons Dharma-AI

Segons Dharma-AI, el seu model va quedar per sobre de totes les configuracions frontier (al límit del que la tecnologia permet avui) que va provar, amb un avantatge d'entre 1,8 i 9,3 punts, i amb un cost per extracció inferior al de totes les API comparades.

Segons l'empresa, els comptes es fan de manera diferent: per a les API, amb els tokens mesurats per pàgina, inclosos els tokens de raonament, i el preu de llista de cada proveïdor; per al seu model, amb el temps de GPU en una sola L40S a 2,24 dòlars per hora. Tots els rivals van funcionar amb el raonament en nivell baix.

Segons l'empresa, no és un preu de venda: el cost autoallotjat depèn del maquinari, del volum i de la latència de cada desplegament.

Documents que no va veure en l'entrenament

Segons Dharma-AI, SROIE i FUNSD són conjunts de dades públics del seu benchmark que no es van fer servir en l'entrenament. En un rebut de SROIE es van demanar els 18 camps impresos i tots van tornar correctes: l'adreça de facturació, de diverses línies i sense etiqueta, com un sol camp; els camps buits, com a null, i cada xifra, exacta al cèntim.

En un formulari de FUNSD amb una llista de caselles booleanes, segons l'empresa, el model va marcar com a vertadera només la casella assenyalada i la resta com a falses. També va llegir bé un identificador escrit a mà i va retornar null als camps en blanc.