Datalab Lift to wyspecjalizowane narzędzie do ekstrakcji danych z dokumentów, które obiecuje prosty przepływ pracy: użytkownik dostarcza PDF lub obraz razem ze schematem JSON, a system zwraca strukturalny JSON bezpośrednio pasujący do tego schematu. Zamiast najpierw konwertować dokument do Markdown-u, a potem prosić inny model o ekstrakcję pól, Lift czyta wyrenderowane obrazy stron i w jednym przejściu emituje finalne obiekty strukturalne.
Kluczowe rozróżnienie między Lift-em a konkurencyjnymi narzędziami jest zasadnicze: większość narzędzi do document AI rozwiązuje jeden z dwóch problemów. Parsery takie jak Docling, Marker czy Unstructured konwertują dokumenty na wierne reprezentacje pośrednie (Markdown, HTML, JSON bloki, drzewa layoutu), których wyjście jest "kształtem dokumentu". Extractory natomiast transformują dokumenty w pola, które aplikacja faktycznie potrzebuje - użytkownik definiuje schemat (na przykład invoice_number, vendor_name, total, due_date czy line_items[]) i system próbuje te pola wypełnić. Lift pozycjonuje się jako schema-first extractor, czyli narzędzie specjalistycznie zaprojektowane do konwersji wizualnie złożonych dokumentów na gotowe do użycia w aplikacjach pola danych.
To podejście ma praktyczne znaczenie dla wydajności. Przez pomijanie pośredniego kroku konwersji i zastosowanie schema-constrained decodingu, Lift może oferować mniejszy model (9B parametrów) z lepszą dokładnością i szybkością dla konkretnych zadań ekstrakcji. Porównanie z NuExtract3, LlamaExtract, Marker i Docling pokazuje, że każde z tych narzędzi rozwiązuje nieco inny problem - od pełnej konwersji dokumentów po gotowe do indeksowania reprezentacje, po ekstrakcję konkretnych pól biznesowych.