Dharma Field Extractor: el documento entra, el JSON sale

Un laboratorio brasileño de modelos pequeños

Dharma-AI, según su propia web, es un laboratorio de inteligencia artificial con sede en Río de Janeiro (Brasil) que desarrolla modelos de lenguaje pequeños y especializados. El 4 de noviembre de 2026 presentó Dharma Field Extractor, que recibe la imagen de un documento y devuelve sus campos en JSON estructurado.

Según Dharma-AI, el modelo extrae exactamente los campos que se le piden, sea cual sea el tipo de documento, y un mismo punto de control sirve para todos, sin ajuste fino por tipo. Una factura, por ejemplo, sale con cada línea como una lista ordenada, con su cantidad y su importe.

Campos, no páginas

El OCR devuelve todo lo impreso, línea a línea, sin indicar qué cadena es la fecha ni qué número es el total. Después alguien tiene que escribir el código que lleva cada valor a su campo antes de que llegue a la base de datos.

Un gran modelo de lenguaje generalista (LLM, large language model) puede hacer ese trabajo con instrucciones cuidadosas, pero, según Dharma-AI, a los precios y latencias de sus API sale caro en tareas que muchas empresas ejecutan en gran volumen.

Abierto o con esquema

Según Dharma-AI, en la petición abierta Dharma Field Extractor no recibe esquema: deduce por el contexto y la maquetación qué partes de la página son campos, como una etiqueta seguida de un valor o una tabla con cabecera, y lo devuelve todo como pares clave-valor.

Con esquema, el sistema fija cada campo, su tipo y el nombre de clave que ya usa, y vuelven exactamente esas claves, sin campos de más. Si se pide uno que no está en el documento, según la empresa, devuelve null en vez de inventar un valor.

Construido sobre su modelo de OCR

Según Dharma-AI, la base es una nueva versión de DharmaOCR-LITE, también de dos mil millones de parámetros, ya especializada en OCR mediante ajuste fino. Encima, la empresa entrenó un adaptador LoRA con 43.384 ejemplos que cubren ambos modos de petición.

Los datos combinan documentos en inglés de la web pública, documentos brasileños reales en portugués y una parte menor en otras lenguas europeas y asiáticas, anotados campo a campo: recibos, facturas, formularios, extractos bancarios, documentos de identidad y documentos sintéticos, según la empresa.

Cómo se puntúa

Según Dharma-AI, su benchmark reúne 546 documentos y 1.638 casos, repartidos entre extraer todos los campos sin esquema, rellenar un esquema parcial con campos reales y rellenar otro que incluye a propósito campos inexistentes.

La nota final multiplica esa F1 por la similitud de texto de los valores acertados y por la proporción de respuestas que llegan como JSON válido, según la empresa.

Calidad y coste, según Dharma-AI

Según Dharma-AI, su modelo quedó por encima de todas las configuraciones frontier que probó, con una ventaja de entre 1,8 y 9,3 puntos, y con un coste por extracción inferior al de todas las API comparadas.

Según la empresa, las cuentas se hacen de forma distinta: para las API, con los tokens medidos por página, incluidos los tokens de razonamiento, y el precio de lista de cada proveedor; para el suyo, con el tiempo de GPU en una sola L40S a 2,24 dólares por hora. Todos los rivales funcionaron con el razonamiento en nivel bajo.

Según la empresa, no es un precio de venta: el coste autoalojado depende del hardware, del volumen y de la latencia de cada despliegue.

Documentos que no vio al entrenar

Según Dharma-AI, SROIE y FUNSD son conjuntos de datos públicos de su benchmark que no se usaron en el entrenamiento. En un recibo de SROIE se pidieron los 18 campos impresos y todos volvieron correctos: la dirección de facturación, de varias líneas y sin etiqueta, como un solo campo; los campos vacíos, como null, y cada cifra, exacta al céntimo.

En un formulario de FUNSD con una lista de casillas booleanas, según la empresa, el modelo marcó como verdadera solo la casilla señalada y el resto como falsas. También leyó bien un identificador escrito a mano y devolvió null en los campos en blanco.