Dharma-AI 发布 20 亿参数文档字段提取模型 Dharma Field Extractor

OmniTools 11月5日消息，11 月 4 日，Dharma-AI 在 Hugging Face 博客发布 Dharma Field Extractor，一款 20 亿参数的文档字段提取模型。该模型接收文档图像，可按开放请求或指定 schema 返回结构化 JSON；在指定 schema 模式下，缺失字段返回 null，而不是自行生成。

该模型基于 DharmaOCR-LITE v1.1 训练，并通过 LoRA 适配器在 43,384 个样本上训练，数据覆盖英语多领域、巴西葡萄牙语及部分其他欧洲和亚洲语言。训练数据涵盖收据、商业发票、表格、银行对账单、身份证件和合成文档等。

据 Dharma-AI 公布的基准测试，在包含 546 份文档、1,638 个测试用例的评测中，Dharma Field Extractor 的字段级 F1 得分为 0.834，高于其测试的 Claude Opus 5 的 0.816 和 GPT-5.6 Luna 的 0.741。Dharma-AI 称，该模型可自托管在单张 L40S 上运行，按每小时 2.24 美元的 GPU 时间计算，成本比对比中的通用模型 API 低约 6 到 147 倍。