Wie dagelijks stapels facturen, aanvraagformulieren of identiteitsbewijzen verwerkt, wil meestal niet de hele tekst, maar een paar vaste gegevens: leverancier, factuurnummer, vervaldatum, totaalbedrag. Het Braziliaanse Dharma AI heeft daar een apart model voor gebouwd, de Dharma Field Extractor. Het bedrijf beschrijft het op het blog van Hugging Face.

Van scan naar JSON

Je geeft het model een afbeelding van een document en kiest een van twee manieren:

  • Open: het model zoekt zelf uit welke velden en tabellen er op de pagina staan en geeft ze allemaal terug.
  • Met een schema: je bepaalt precies welke velden je wilt, met welk type en onder welke naam. Het model vult alleen die in. Staat een gevraagd veld niet op het document, dan krijg je een lege waarde terug in plaats van een verzonnen antwoord.

De uitkomst is JSON die meteen in een boekhoudpakket, planningssysteem of database kan. Regels op een factuur komen terug als nette lijst, elk met eigen aantal en bedrag.

Wat de cijfers zeggen

Het model is gebouwd op DharmaOCR-LITE, een tekstherkenningsmodel van 2 miljard parameters, en extra getraind op ruim 43.000 voorbeelden. Daarvan komt een groot deel uit Engelstalige en Braziliaanse documenten; andere Europese en Aziatische talen vormen een kleiner deel. Of Nederlands erbij zit, meldt Dharma niet.

Op een eigen test van 546 documenten scoorde het model volgens Dharma 0,834, tegen 0,816 voor Claude Opus 5 als beste groot taalmodel en 0,741 voor GPT-5.6 Luna. De kosten per document zouden 6 tot 147 keer lager liggen. Dharma rekent daarbij met eigen hosting op één grafische kaart, terwijl de grote modellen met hun gewone API-prijzen zijn gerekend. Het bedrijf zegt er zelf bij dat dit geen verkoopprijs is. Vergeleken is bovendien met iets oudere generaties: de nieuwste modellen zoals Claude Opus 5.5 en GPT-6.1 zitten niet in de vergelijking. Het blijft een test van de maker zelf.

Waarom klein soms slimmer is

Dharma pleit al langer voor kleine, gespecialiseerde modellen. Eerder liet het bedrijf zien dat een aangepast woordenboek een klein model 77 procent goedkoper maakte. Voor Nederlandse bedrijven en overheden is het argument van eigen hosting extra interessant: wie facturen, medische formulieren of paspoorten verwerkt, valt onder de AVG en wil die gegevens liever niet naar een Amerikaanse cloud sturen. Een model dat op je eigen server draait, lost dat probleem op, mits het goed genoeg werkt in het Nederlands. Dat zul je zelf moeten testen; Dharma biedt een online demo aan.