スキャンした請求書から合計額、日付、明細を取り出すのは単調で量の多い作業で、多くのチームは今、APIを通じて最先端モデルに任せ、ページごとに料金を払っています。小型の専門モデルを開発するDharma AIは、この1つの作業向けに学習させた20億パラメーターのモデルのほうが、より正確にはるかに安くこなせると主張しています。実際の書類でもそれが成り立つなら、領収書、申込書、銀行取引明細書を大量に処理する人の採算が変わります。
Field Extractorは文書の画像を読み取り、型付きのJSONを返します。スキーマがなければラベル、値、表を自力で見つけ、スキーマがあれば指定したキーだけを、それぞれ文字列、数値、真偽値として返します。項目がなければ推測ではなくnullを返します。請求書の明細のような入れ子のデータは順序付きリストで返ります。土台は同社のDharmaOCR-LITE v1.1で、領収書、請求書、申込書、明細書、身分証明書の43,384例で学習させたLoRAアダプターを加えています。主な言語は英語とブラジルのポルトガル語です。
546の文書をそれぞれ3通りで試し、合計1,638ケースとしたDharma独自のベンチマークで、Field Extractorは0.834を記録し、Claude Opus 5の0.816、GPT-5.6 Lunaの0.741を上回りました。3つのシナリオの1つは存在しない項目をわざと要求するもので、抽出作業でよくある失敗である値のでっち上げをするかどうかを確かめます。費用についてDharmaは、L40S GPU 1基を1時間$2.24として計算し、GPT-5.6 Lunaより約6倍、GPT-5.6 Solより約147倍安いとしています。
当サイトのDharma Field Extractorのレビューでは、公開された重みも価格もまだないと指摘しており、今回のブログ記事もその点は変えていません。示されているアクセス手段はログイン式のポータルだけです。これは比較に影響します。2Bモデルを自前で運用できることが魅力なのに、重みかAPI価格が出るまでは、費用面の優位は計算上の話であって提供されているものではありません。すでにClaude Opus 5.5やGPT-6 Lunaで抽出を行っているチームに、すぐ乗り換える理由はありません。
疑問点はベンダー製ベンチマークにありがちなものです。Dharmaは試験を作り、採点式を選び、競合モデルを推論レベル低で動かしており、競合を過小評価している可能性があります。自社の費用はGPU時間で、最先端モデルの費用は定価です。Dharma自身も1時間あたりの数字は販売価格ではないと述べています。学習から除外されたデータセットは2つだけで、紹介された例は個別の文書です。Claude Opus 5との差は2ポイント未満です。その差が自分の業務で本物かどうかは、自社の文書のサンプルで試すしか確かめる方法がありません。