Dharma-AI publicó los detalles de Field Extractor en Hugging Face el 4 de noviembre de 2026. Es un modelo de 2B de parámetros para sacar campos concretos de documentos. Un OCR convencional devuelve todo el texto de la página y deja a alguien la tarea de programar cómo asignar cada cadena a un campo de la base de datos. Este modelo entrega JSON estructurado.
Dos formas de pedir
El modelo recibe la imagen de un documento y uno de dos tipos de solicitud:
- Abierta: no se envía esquema. El modelo deduce por el diseño y el contexto qué partes son campos, por ejemplo una etiqueta seguida de un valor o una tabla con fila de encabezado, y devuelve pares clave-valor.
- Dirigida por esquema: tú indicas los campos que necesitas, con un tipo para cada uno (cadena, número o booleano), y usas los nombres de clave que ya existen en tu sistema. La salida respeta esa forma exacta, sin claves adicionales. Si un campo no aparece en el documento, llega como null y el modelo no inventa un valor.
Las tablas se llenan fila por fila. Una factura, por ejemplo, devuelve sus partidas como lista ordenada, cada una con cantidad y valor, junto a los totales. Según Dharma-AI, un solo checkpoint atiende todos los tipos de documento sin ajuste fino por tipo.
Cómo se construyó
La base es DharmaOCR-LITE v1.1, una nueva versión de 2B del modelo OCR de la compañía lanzada en abril, que ya traía ajuste fino supervisado y DPO. Sobre ella, el equipo entrenó un adaptador LoRA con 43,384 ejemplos que cubren ambos modos de solicitud. Los datos vienen de tres fuentes: documentos en inglés recopilados de la web pública, documentos reales brasileños en portugués obtenidos internamente y una parte menor multilingüe en otros idiomas europeos y asiáticos. Todos se anotaron a nivel de campo e incluyen recibos, facturas, formularios, estados de cuenta bancarios y documentos de identidad, entre otros.
Lo que dice el benchmark
El benchmark reúne 546 documentos y 1,638 casos en tres escenarios: todos los campos sin esquema, un esquema parcial con campos reales y un esquema que incluye además campos inexistentes. La puntuación combina el F1 por campo, la similitud de valores en los campos que coinciden y la proporción de salidas con JSON válido.
Field Extractor obtuvo 0.834. Las cuatro configuraciones frontier fueron de 0.816 (Claude Opus 5) a 0.741 (GPT-5.6 Luna). Dharma-AI calcula que su costo es entre 6 y 147 veces menor, según el modelo con el que se compare.
Los dos lados se valoran de forma distinta. Los costos frontier se basan en tokens medidos por página a precios de lista, con el razonamiento en nivel bajo. La tarifa de $2.24 por hora que cita Dharma-AI corresponde a rentar una GPU L40S durante una hora. La compañía aclara que no es un precio de venta y que el costo en infraestructura propia varía con el hardware, el volumen y la latencia. Dharma-AI también reporta pruebas en dos conjuntos públicos, SROIE y FUNSD, que se excluyeron del entrenamiento. Todas estas cifras provienen del propio proveedor y la fuente no cita ninguna réplica independiente.
Qué hay disponible
La publicación enlaza una demo para probar el modelo con tus propios documentos. La fuente no indica términos de licencia, disponibilidad de los pesos ni una oferta comercial para Field Extractor, así que esos puntos siguen sin confirmar.