公開:2026年11月6日, 最終更新:2026年11月6日
Dharma-AIは2026年11月4日、ドキュメント画像から指定フィールドを構造化JSONで抽出する20億パラメータモデル「Dharma Field Extractor」について、Hugging Faceの公式ブログで詳細を公開した。同社のベンチマークでは、Claude Opus 5やGPT-5.6 Lunaなど比較したすべてのフロンティアLLMを精度で上回り、コストは最大約147分の1になるとしている。
30秒サマリー
- 20億パラメータの特化型モデルが、フィールド抽出タスクでフロンティアLLM全モデルを精度・コスト両面で上回ったとDharma-AIが報告
- スキーマ指定とオープン(スキーマなし)の2モードに対応し、請求書・医療書類・IDなど多様なドキュメントから構造化JSONを出力
- 自己ホスト運用でAPIより大幅にコスト削減が可能と主張しており、高ボリューム処理を必要とする企業向けの代替手段として位置づけ
Dharma Field Extractorの仕組みとベンチマーク結果
Dharma-AIは、ドキュメント画像を入力として受け取り、指定されたスキーマまたは自動検出したフィールドを構造化JSONで返す「Dharma Field Extractor」の詳細を公式ブログで解説した。ベースモデルはDharmaOCR-LITE v1.1(20億パラメータ)で、43,384件の学習事例を使ってLoRAアダプタを追加学習している。学習データは英語マルチドメイン・ブラジルポルトガル語・多言語の3ストリームで構成され、請求書・フォーム・銀行明細・ID書類など複数のドキュメント種別を含む。
利用モードは2種類ある。「オープンモード」ではスキーマを指定せずにモデルがページ上の構造化フィールドを自動認識してキーバリュー形式で返す。「スキーマ指定モード」では出力キー名と型(文字列・数値・ブール値)を事前に指定でき、ドキュメントに存在しないフィールドはnullを返し、値を創作しない設計とされている。
ベンチマークは546ドキュメント・計1,638ケースで実施され、評価指標はフィールドレベルF1にLevenshtein類似度と有効JSON率を乗じた複合スコアを使用した。同社の報告によれば、Dharma Field Extractorのスコアは0.834で、最も近いClaude Opus 5(0.816)からGPT-5.6 Luna(0.741)まで、比較したすべてのフロンティアモデルを上回った。コスト比較はシングルL40S GPU(時間あたり2.24ドル)での自己ホスト運用と各APIの公表価格を基に算出しており、GPT-5.6 Lunaに対して約6倍、GPT-5.6 Solに対して約147倍低コストとしている。ただし同社は「これは販売価格ではなく、ハードウェアや運用条件によって変動する」と注記している。
汎化性能の確認として、学習に使用していない公開データセットSROIEおよびFUNSDでの評価も実施。SROIEのレシートで18フィールド全正解、FUNSDのフォームでチェックボックス12項目すべてを正確に識別したと報告している。
Dharma Field Extractorの主な仕様・数値
- パラメータ数:20億(2 billion)
- ベースモデル:DharmaOCR-LITE v1.1
- 追加学習手法:LoRAアダプタ
- 学習データ件数:43,384件
- ベンチマークスコア(複合F1):0.834
- 比較対象の最高スコア(Claude Opus 5):0.816
- 自己ホスト参考コスト:シングルL40S、2.24ドル/時
- API比コスト優位:約6倍〜約147倍低コスト(同社試算)
出典: Hugging Face Blog(公式ブログ)
なぜ重要か(編集部の分析)
編集部の見方では、このモデルが示す最大の意義は「タスク特化の小型モデルがフロンティアLLMの精度とコストを同時に下回る」という命題に定量的な根拠を追加した点にある。フィールド抽出のような定型・高ボリューム処理をフロンティアAPIに依存している企業にとって、自己ホスト型の特化モデルという選択肢が現実的コスト削減策として浮上する。一方、自己ホスト運用にはGPUインフラ管理やモデル保守のコスト・工数が別途発生するため、ボリュームと運用体制の見極めが前提となる。
日本企業への示唆(編集部の分析)
編集部の分析では、請求書処理・契約管理・医療書類の自動入力など、非構造化ドキュメントから定型フィールドを大量抽出する業務を持つ日本企業にとって、フロンティアAPIのコストが導入障壁になっていたケースで代替手段を検討する契機になりうる。ただし同社のベンチマークは同社が設計・実施したものであり、第三者による再現検証がない点は留意が必要。導入を検討する場合は、自社ドキュメントでの性能検証と、自己ホスト運用に必要なGPUインフラコストの試算を並行して行うことが現実的な判断基準となる。
背景・経緯
Dharma-AIは今年4月、ドキュメントOCRに特化した「DharmaOCR-LITE」を公開し、ブラジルポルトガル語文書でのOCRタスクにおいてフロンティアAPIを上回る性能を報告していた。今回のDharma Field Extractorはその後継・発展モデルとして位置づけられており、OCRで得たテキスト全文ではなく「特定フィールドだけを構造化して取得したい」という異なるユースケースに応えるために開発されたとブログ内で説明されている。
Dharma Field Extractorについてよくある質問
Q. Dharma Field Extractorはスキーマなしでも使えますか?
A. はい。スキーマを指定しない「オープンモード」では、モデルがページのレイアウトと文脈からフィールドを自動認識し、キーバリュー形式のJSONを返します。スキーマを指定する「スキーマ指定モード」と使い分けることができます。
Q. Dharma Field ExtractorのベンチマークスコアはClaude Opus 5と比べてどの程度?
A. 同社のベンチマークでは、Dharma Field Extractorが0.834、Claude Opus 5が0.816で、1.8ポイントの差がありました。比較対象のうち最も差が大きかったGPT-5.6 Lunaは0.741で、9.3ポイントの差としています。
Q. Dharma Field Extractorのコストはどのように算出されていますか?
A. 同社は、シングルL40S GPU(時間あたり2.24ドル)での自己ホスト運用コストと、各APIプロバイダーの公表価格(入出力トークン数・推論トークン含む実測値を使用)を比較しています。ただし同社は「これは販売価格ではなく、ハードウェアや運用条件によって変動する」と明記しています。




