Dharma AI ha presentato Field Extractor, un modello da 2 miliardi di parametri che estrae le informazioni richieste dalle immagini di documenti e le restituisce in formato JSON strutturato. L’azienda afferma che, nel proprio benchmark, il modello ha superato quattro configurazioni di modelli frontier generalisti, con costi di esecuzione inferiori nell’ambiente testato.

Il modello è progettato per attività in cui gli utenti hanno bisogno di dettagli specifici di un documento, anziché di una trascrizione completa del testo. Può restituire campi come i totali delle fatture e le singole voci, oppure informazioni provenienti da documenti d’identità e moduli, in un formato pensato per essere utilizzato dai sistemi a valle.

Gli utenti possono formulare una richiesta aperta, chiedendo al modello di individuare tutti i campi che riesce a trovare, oppure fornire uno schema che specifichi i nomi e i tipi di dati dei campi richiesti. Dharma AI afferma che i risultati guidati dallo schema utilizzano le chiavi richieste senza aggiungere campi extra e che i campi assenti dal documento vengono restituiti come null anziché essere dedotti.

Field Extractor si basa su DharmaOCR-LITE v1.1, un modello da 2 miliardi di parametri, con un adattatore LoRA addestrato su 43.384 esempi che coprono entrambe le modalità di richiesta. I dati di addestramento comprendono documenti in inglese di diversi ambiti, documenti brasiliani in portoghese e una raccolta multilingue più ridotta. Tra i tipi di documento figurano ricevute, fatture, moduli, estratti conto bancari, documenti d’identità ed esempi sintetici.

Dharma AI ha valutato il modello su 546 documenti in tre scenari, per un totale di 1.638 casi di test. Questi comprendevano l’estrazione di tutti i campi disponibili senza uno schema, la compilazione di uno schema contenente campi reali e la gestione di schemi che includevano anche campi inesistenti. Il punteggio combinava l’F1 a livello di campo, la somiglianza tra i valori corrispondenti e la percentuale di output in JSON valido.

Il modello ha ottenuto 0,834, rispetto a risultati compresi tra 0,816 per Claude Opus 5 e 0,741 per GPT-5.6 Luna tra le configurazioni testate. L’azienda riferisce inoltre che il costo per estrazione era da circa sei a 147 volte inferiore rispetto ai modelli confrontati tramite API. Queste cifre utilizzano il consumo di token misurato e i prezzi pubblicati dai provider per i modelli frontier, mentre la stima di Dharma AI si basa sul tempo GPU su una singola L40S, al costo di 2,24 dollari l’ora. L’azienda osserva che i costi dell’hosting autonomo dipendono dall’hardware, dal volume e dai requisiti di latenza.

SROIE e FUNSD, due dataset pubblici esclusi dall’addestramento, sono stati inclusi nel benchmark. Dharma AI descrive esempi in cui il modello ha estratto tutti i 18 campi da una ricevuta, compresi quelli vuoti, restituiti come null, e ha identificato correttamente una casella selezionata, testo scritto a mano e campi vuoti in un modulo.

I risultati e il confronto dei costi sono riportati da Dharma AI. L’azienda afferma che il modello è disponibile per una prova tramite la sua demo online.

Fonti: Hugging Face Blog.