Dharma AI hat mit DharmaOCR erneut demonstriert, dass domänenspezifische KI-Modelle auch im Wettbewerb mit aktuelleren Architekturen einen messbaren Vorteil besitzen. Trotz der Markteinführung neuerer Generalisten wie Mistral OCR4 und Unlimited-OCR schlägt das auf Brasilianisches Portuguese optimierte Modell in einem exklusiv für portugiesische Dokumente konzipierten Benchmark mit klarem Abstand. Während die Konkurrenten Scores von 0,798 beziehungsweise 0,7587 erzielten, erzielte DharmaOCR 0,925. Der strukturelle Grund für diese Überlegenheit liegt in der gezielten Parameterallokation. Statt Rechenkapazität auf mehrere Sprachen und Dokumenttypen zu verteilen, bündelt DharmaOCR alle Ressourcen auf die spezifische Morphologie, Syntax und den Wortschatz des brasilianischen Portugiesischen. Diese Fokussierung zeigt sich besonders bei komplexen Dokumenten wie den landesweiten Schulaufgaben ENEM. Multilinguale Modelle scheitern hier systematisch an Eigennamen und kulturellen Referenzen, während DharmaOCR diese präzise extrahiert. Neben der reinen Extraktionsgenauigkeit entscheidet im industriellen Umfeld vor allem die Produktionsstabilität. Generative OCR-Systeme neigen bei optisch schwierigen Vorlagen, etwa kleinen Schriften oder schlechten Scans, zur textlichen Degeneration: Die Ausgabe wird repetitiv oder verliert den Bezug zur Quelle. DharmaOCR begegnet dieser Schwachstelle durch einen zweistufigen Trainingsansatz. Zunächst richtet eine überwachte Feinabstimmung das Modell auf die Zielsprache aus. Darauf folgt Direct Preference Optimization (DPO), das nicht einzelne Token bewertet, sondern die Kohärenz des gesamten Extraktionsergebnisses. Dieser Ansatz unterdrückt Degenerationsmuster, reduziert Inferenzzeiten und erhöht die Verlässlichkeit in der Produktivumgebung erheblich. Die Ergebnisse unterstreichen die strukturelle Logik spezialisiert KI: Solange Ressourcen begrenzt sind, führt eine Konzentration auf eine einzelne Domäne zu höheren Leistungen als deren Verteilung. Dieser Effekt bleibt auch bei verbesserten Generalisten-Architekturen bestehen. Dharma AI wird die aktuelle Modellversion nicht statisch halten, sondern kontinuierlich neue Forschungsergebnisse zu Architekturen und Trainingsmethoden in den spezialisierten Pipeline integrieren. Das Ziel bleibt die maximale Extraktionsgenauigkeit bei geringsten Kosten und schnellsten Laufzeiten. Das open-source Modell ist auf Hugging Face verfügbar und dient als Referenz für den effektiven Einsatz von Nischenmodellen in unternehmenskritischen Dokumentenverarbeitungsprozessen.