Introducción
Un documento escaneado puede ocultar información valiosa detrás de su apariencia visual. Con Field Extractor, Dharma-AI propone una forma directa de convertir esa imagen en datos estructurados y listos para usar.
El modelo tiene 2.000 millones de parámetros y se basa en DharmaOCR-LITE v1.1, además de haber sido entrenado con un adaptador LoRA sobre 43.384 ejemplos. Su objetivo no es solo leer el documento, sino organizar su contenido en un formato que otras herramientas puedan procesar sin pasos manuales intermedios.
Dharma-AI en contexto
Dharma-AI ya había entrado en este terreno en abril con el lanzamiento de DharmaOCR-LITE, un modelo especializado en OCR. Field Extractor se apoya en esa base y la orienta hacia una tarea concreta: extraer campos de documentos y devolverlos como JSON.
Dos modos de trabajo
El modelo ofrece dos formas de extracción. En el modo abierto, sin esquema previo, devuelve todos los campos que detecta en el documento. En el modo dirigido por esquema, el usuario define los campos exactos que necesita, con tipo string, number o boolean, y el modelo devuelve exactamente esas claves, sin campos extra. Si un campo no está presente en el documento, devuelve null en lugar de inventar un valor, una decisión pensada para evitar datos falsos en procesos que dependen de la fiabilidad de la información.
Casos de uso
El enfoque resulta especialmente útil en documentos donde la estructura importa tanto como el contenido. En facturas, cada línea aparece como un elemento ordenado, con su cantidad y su valor, junto a los totales del documento. En solicitudes médicas, el modelo puede extraer el nombre del paciente, el tipo de examen y la fecha. También puede aplicarse a documentos de identidad, donde la precisión en los campos es fundamental.
Resultados en su benchmark
En el benchmark propio de Dharma-AI, con 546 documentos, 3 escenarios y 1.638 casos en total, Field Extractor obtuvo una puntuación de 0,834. El resultado lo sitúa por encima de Claude Opus 5, con 0,816, y de GPT-5.6 Luna, con 0,741. La brecha frente a esos modelos va de 1,8 a 9,3 puntos, según Dharma-AI.
Coste y autoalojamiento
Otro punto destacado es el coste. Según los cálculos de Dharma-AI, Field Extractor resulta de unas 6 veces menor, frente a GPT-5.6 Luna, a unas 147 veces menor, frente a GPT-5.6 Sol, que las API de frontera. El cálculo se realizó con una GPU L40S a 2,24 dólares por hora en autoalojamiento, por lo que no debe interpretarse como un precio de venta.
Demo disponible
Dharma-AI ofrece una demo para probar el modelo con documentos propios en el portal de Dharma. De esta manera, los interesados pueden comprobar directamente cómo se comporta la extracción antes de integrarla en sus flujos de trabajo.
