Datalab Lift to 9-miliardowy model wizyjny zaprojektowany do ekstrakcji strukturalnych danych z PDF-ów i obrazów na podstawie schematów JSON. Zamiast tradycyjnego podejścia - konwersja dokumentu do Markdown, a potem ekstrakcja pól przez kolejny model - Lift analizuje renderowane obrazy stron i zwraca ostateczny obiekt JSON w pojedynczym przebiegu. Model wspiera schema-constrained decoding, co gwarantuje, że dane wyjściowe zawsze będą zgodne ze zdefiniowanym schematem użytkownika.
Klucz do zrozumienia Lift leży w rozróżnieniu między parsowaniem a ekstrakcją. Parsery - takie jak Docling, Marker czy Unstructured - przekształcają dokumenty w wierne reprezentacje pośrednie: Markdown, HTML, drzewa layoutu. Natomiast ekstraktory jak Lift skupiają się bezpośrednio na polach, których potrzebuje aplikacja. Użytkownik definiuje schemat (na przykład invoice_number, vendor_name, total, due_date), a system stara się wydobyć dokładnie te dane. To bardzo różne wyzwania: parser dbuje o wierność całego dokumentu, ekstraktor o precyzję wybranych pól.
Pozycjonowanie Lift jako schema-first extractora ma znaczenie dla całego ekosystemu document AI. Narzędzie nie pretenduje do bycia silnikiem OCR, nie jest także full-stack platformą enterprise. Zamiast tego skupia się na konkretnym zadaniu - zamienianiu wizualnie złożonych dokumentów na gotowe do użycia pola aplikacyjne. Porównanie z NuExtract3, LlamaExtract, Marker i Docling pokazuje rosnącą specjalizację w branży, gdzie każde narzędzie znalazło swoją niszę.