Dharma-AI在Hugging Face发布文章称，基于其DharmaOCR论文和配套基准测试，一个3B参数的专门化OCR模型在巴西葡语结构化OCR任务上，质量、成本和稳定性三项同时领先多款前沿商业API。该模型在综合分数上取得0.911，Claude Opus 4.6为0.833，Gemini 3.1 Pro为0.820，GPT-5.4为0.750。

这条消息真正重要的地方，不是“小模型打败大模型”这个容易传播的标题，而是企业AI选型的默认假设被敲了一下：在垂直任务里，最贵、最大、品牌最响的模型未必是最合适的模型。采购团队如果只拿参数规模或供应商品牌做安全垫，可能会多花钱，还得不到最稳的结果。

DharmaOCR给出的结果：专门化模型同时占了质量、成本和稳定性

DharmaOCR面向巴西葡语OCR，覆盖印刷文档、手写文本、法律和行政记录。这类任务对企业并不陌生：银行、律所、政务外包、档案数字化团队每天处理的就是格式混杂、扫描质量不一、语言和术语高度本地化的文件。

在Dharma-AI公布的基准里，3B专门化模型不只是“便宜一些”，而是在关键指标上一起领先：

对比项3B专门化模型商业前沿API参照判断
综合OCR分数0.911Claude Opus 4.6：0.833；Gemini 3.1 Pro：0.820；GPT-5.4：0.750质量领先，不是单纯降本方案
推理成本约低52倍相对Claude Opus 4.6口径是自托管推理基础设施成本对比商业API定价
文本退化率0.20%被测模型中最低对批量生产任务很关键

这里有一个容易被忽略的边界：这是Dharma-AI自研benchmark，不是第三方独立评测。它能说明在该OCR基准和相近企业场景下，专门化路线很有竞争力；不能直接推出所有AI任务里小模型都比前沿大模型强。

变量不是大小，而是训练历史贴不贴任务

过去三年，企业优先选择GPT-4、Claude、Gemini这类前沿模型，并不荒唐。通用能力、工具生态、供应商稳定性、合规采购流程，都会把预算推向大厂API。尤其在任务尚未定义清楚时，大模型像一把瑞士军刀，先能用，再优化。

但OCR这类任务有另一套逻辑。它的难点往往不在开放式推理，而在固定分布里的高准确率：葡语缩写、巴西法律文书格式、手写噪声、行政档案的版面习惯。一个模型如果长期被微调到这些材料上，参数虽少，却把能力集中在真正会遇到的问题上。

这也是专门化可能压过规模的原因。大模型见过更广的世界，小模型见过更像生产现场的文件。对采购者来说，问题不该是“谁更强”，而是“谁在我的数据分布上更少犯错”。

企业采购应把小模型纳入测试，但别把它当万能替代

受影响最直接的是两类人：一是做大批量文档处理的企业AI负责人，二是负责模型选型和成本核算的工程团队。如果每月处理百万页级文件，52倍成本差距会直接改变预算表；如果退化率从生产日志里爆出来，人工复核和返工成本也会吞掉API表面上的便利。

更现实的做法是把模型选型拆成两条线：

场景更应测试小模型仍适合前沿大模型
任务边界OCR、分类、固定字段抽取、垂直问答开放式推理、多模态复杂理解、长链任务规划
数据条件有稳定样本、格式重复、语言或行业高度集中数据分布变化大，需求还在探索
成本结构页数、调用量大，能承担自托管运维调用量较低，重视即开即用和供应商保障
风险控制可用内部benchmark持续回归测试需要最强通用能力兜底

接下来最该观察的不是DharmaOCR能否在宣传里继续赢，而是它在外部数据集、真实客户文件和长期运维中的表现是否稳定。自托管也不是免费午餐，GPU、工程维护、监控、模型更新和安全审计都要算进总成本。

这件事给企业的现实建议很清楚：大模型仍是通用任务的强选项，但垂直高频任务必须做小模型对照实验。预算越大，越不能偷懒。