Dharma Field Extractor 发布：20 亿参数模型实现结构化提取并超越 GPT-5.6

Hugging Face 旗下 Dharma-AI 团队发布了 Dharma Field Extractor，这是一个基于 20 亿参数的专用模型，旨在从任意文档中提取用户指定的结构化字段并输出 JSON。该模型在包含 546 份文档、1,638 个案例的基准测试中，以 0.834 的 F1 分数超越了包括 Claude Opus 5（0.816）和 GPT-5.6 Luna（0.741）在内的所有通用前沿大语言模型。

成本对比显示，运行该模型的 GPU 时间成本比 GPT-5.6 Sol 低约 147 倍，比 GPT-5.6 Luna 低约 6 倍。训练基于 DharmaOCR-LITE v1.1 基座，通过 LoRA 适配器在 43,384 个样本上进行微调，涵盖英语多领域、巴西葡萄牙语及少量其他欧洲和亚洲语言数据。模型支持开放模式自动识别字段，也支持 Schema 引导模式强制匹配系统所需键名，对缺失字段返回 null 而非幻觉。

事实层面，该模型已在 SROIE 和 FUNSD 等未参与训练的公开数据集上验证了泛化能力；推断层面，这标志着垂直领域小模型在特定任务上已具备替代昂贵 API 的商业可行性；猜测层面，这种“小而专”的策略可能在未来成为企业级 AI 部署的主流选择，尤其是在对成本和隐私有严格要求的场景下。