Чтобы автоматизировать разбор тендерной документации с помощью ИИ, прогоняйте PDF через извлекатель полей, который возвращает типизированный JSON под схему вашей системы: стороны, сроки, штрафы, суммы пени, позиции спецификации. Свежий открытый вариант - Dharma Field Extractor, модель на 2 млрд параметров, которая берет изображение документа плюс схему и отдает структурированные поля за один вызов.
Dharma-AI выложила ее на Hugging Face 4 ноября; модель построена на DharmaOCR-LITE v1.1 с LoRA-адаптером, обученным на 43 384 примерах на английском, португальском и меньшей доле европейских и азиатских языков. Два режима: открытый (без схемы, отдает пары "ключ-значение" по разметке) и под схему (ваши ключи и типы, null там, где поле в документе отсутствует). Один и тот же чекпоинт тянет счета, удостоверения личности, медицинские направления и договоры без дообучения под каждый тип.
Для малого бизнеса это тот самый кусок, который раньше стоил дорого. Прогон каждого входящего счета, паспорта или тендерного приложения через топовую LLM на большом объеме превращается в заметную статью расходов, а дрейф промптов тихо ломает систему дальше по цепочке. Модель на 2B, которую можно хостить дешево, встает в любой вебхук n8n или Python-пайплайн - так же, как я подаю типизированный вывод в пайплайн разбора тендеров, который вытаскивает штрафы и дедлайны из сотен страниц. Перед тем как переключать нагрузку с API, проверьте полноту извлечения на грязных сканах и очень длинных вложенных таблицах.
Почему это важно: Если вы массово грузите документы в базу, узкая открытая модель теперь выигрывает у топовых API по цене и задержке на ту самую JSON-структуру, которую уже использует ваша система.
Источник: Hugging Face