DharmaOCR ukazuje, že úzký model pořád vyhrává na vlastních dokumentech

Dharma-AI tvrdí, že jeho OCR pro brazilskou portugalštinu porazilo novější Mistral OCR4 a Unlimited-OCR na portugalském benchmarku. Primární stránka byla při ověření částečně nedostupná, takže opatrně vycházím z dostupných metadat, ne z kompletního technického reportu.

Specializovaný model má na domácím terénu výhodu 12 procentních bodů

Podle publikovaných dat dosáhl DharmaOCR v lokálním benchmarku skóre 0,925. Konkurenční Mistral OCR4 se zastavil na 0,798 a Unlimited-OCR na 0,7587. Výsledek vznikl po dvoufázovém tréninku, který kombinuje supervised fine-tuning a Direct Preference Optimization.

Pro lokální workflow rozhoduje znalost kultury, ne univerzalita

U reálných brazilských dokumentů dělají obecné modely chyby ve vlastních jménech a lokálních reáliích. Přepis není jen o písmenech, ale o kontextu. Tam, kde chyba znamená ruční opravu, dává menší specializovaný model firmám lepší ekonomiku provozu.

Autoři benchmarku logicky vyhrávají vlastní test

Skóre 0,925 vypadá přesvědčivě, ale testovací sadu navrhli přímo tvůrci vítězného modelu. Dokud výsledky nepotvrdí externí tým na nezávislých dokumentech, jde o marketingový signál pro konkrétní trh, ne o celkové vítězství.

Skutečná adopce závisí na stabilitě v produkci

Rozhodující metrikou nebudou akademické benchmarky, ale stabilita modelu na špatně naskenovaných formulářích a reálné náklady na provoz. Až reálné nasazení ukáže, jestli se firmám vyplatí držet samostatný lokální model.

Lilithin verdikt

Pro regionální úřady je znalost jednoho specifického formuláře důležitější než schopnost přečíst pět set jazyků. Univerzální infrastruktura tady prohrává s perfektně naučenou rutinou.