A Datalab, mesma empresa por trás do Marker (conversor de documentos para Markdown) e do Surya (OCR multilíngue), acaba de lançar o Lift: um modelo de visão de 9 bilhões de parâmetros especializado em extração de campos estruturados a partir de PDFs e imagens. A proposta é ambiciosa — em vez do fluxo tradicional de converter o documento para Markdown e depois pedir para uma LLM extrair os campos, o Lift lê a página renderizada e devolve JSON validado contra o schema em uma única passagem.
Parser vs. extrator: a diferença que organiza tudo
O ecossistema de ferramentas de IA para documentos se divide em dois campos:
- Parsers (Docling, MinerU, Marker, Unstructured, PyMuPDF): transformam documentos em representações intermediárias fiéis — Markdown, HTML, JSON, árvores de layout. A saída tem forma de documento.
- Extratores (Lift, NuExtract3, LlamaExtract, Reducto): recebem um schema (ex:
invoice_number,vendor_name,total) e devolvem diretamente os campos que a aplicação precisa. A saída tem forma de schema.
O Lift aposta em colapsar o pipeline parse-extrai em uma única passagem visual — o que reduz complexidade, mas só faz sentido quando o objetivo real é extração de campos, não reconstrução fiel do documento.
Comparação direta com os concorrentes
Lift vs. NuExtract3 (comparação mais próxima)
O NuExtract3 é um modelo de 4B da NuMind, com licença Apache 2.0, que combina extração estruturada com conversão para Markdown. No benchmark da própria Datalab, o Lift atinge 90,2% de acurácia contra 81,5% do NuExtract3. A decisão prática: NuExtract3 é menor, tem licença mais permissiva e também converte para Markdown; Lift é maior, mais rápido e mais preciso na extração pura.
Lift vs. LLMs multimodais de fronteira
No benchmark da Datalab, o Gemini Flash 3.5 supera ligeiramente o Lift em acurácia, mas com latência muito maior: 9,5 segundos (Lift) contra 28,1 segundos (Gemini). Modelos de fronteira continuam atrativos para volumes baixos; o Lift brilha quando latência, residência de dados e custo em escala importam.
Lift vs. plataformas cloud (Azure, Google, AWS)
Azure Content Understanding, Google Document AI e AWS Textract são serviços gerenciados com infraestrutura enterprise — deploys, monitoramento, compliance. No benchmark, o Azure teve acurácia inferior e latência maior que o Lift, mas inclui citações e verificações por campo (recursos que o modelo aberto do Lift não oferece). A API hospedada da Datalab adiciona essas capacidades para quem precisa de auditabilidade.
Lift vs. Marker, Docling, MinerU, Unstructured
Ferramentas como Docling e MinerU são excelentes para conversão fiel de documentos — preservam layout, tabelas, fórmulas e ordem de leitura. O Lift é para extração de campos específicos. Um pipeline real pode usar ambos: Marker para tornar o documento buscável e indexável; Lift para extrair os campos que alimentam a aplicação.
Onde o Lift realmente ganha
| Ferramenta | Melhor caso de uso | Deploy local | Extração por schema |
|---|---|---|---|
| Lift | Extração self-hosted rápida com JSON Schema | Sim | Sim |
| NuExtract3 | Extrator open-weight menor + conversão Markdown | Sim | Sim (templates) |
| LLMs multimodais | Extração rápida sem hospedar modelo próprio | Não | Depende do provedor |
| Datalab API | Extração gerenciada com verificação por campo | Hospedado | Sim |
| Reducto / LlamaExtract | Fluxos auditáveis com citações e revisão humana | Enterprise | Sim |
| Azure / Google / AWS | Document AI enterprise e compliance | Não | Variável |
| Docling / Marker / MinerU | Parsing, layout, ingestão para RAG | Sim | Não (foco) |
