En ny, teknisk tutorial demonstrerer en schema‑guided pipeline til kreditorbogholderi: fra syntetiske faktura‑PDF’er over valideret JSON til en samlet ledger. Pointen: det handler mindre om OCR og mere om dokumentforståelse med et stramt skema – og kode, der faktisk kan køre.

Ifølge VentureBeat beskriver Trunk Tools en specialiseret trelagsarkitektur – perception, semantik og agenter – og hævder, at deres stack reducerede dokumentgennemgang fra cirka 60 til omkring 10 dage. Kilder i artiklen vurderer samtidig, at generelle modeller ofte mangler domænedybde, at RAG kun hjælper delvist, og at prætræning samt finjustering på domænedata er afgørende for robusthed.

Ifølge MarkTechPost lancerede Baidu Unlimited OCR, en 3B MoE-OCR-model med Reference Sliding Window Attention, som ifølge forfatterne holder KV-cachen effektivt konstant og scorer 93,23 på OmniDocBench v1.5. Det er teknisk plausibelt og interessant for drift, men kræver uafhængige målinger før beslutninger.

Mistral AI lancerer OCR 4, en dokumentforståelsesmodel der leverer citation‑klart, struktureret output med bounding boxes, blok‑typer og confidence‑scores — og kan køre som én container on‑prem. Spørgsmålet er ikke kun hvad den kan, men hvor meget integrationsarbejde der stadig venter i den virkelige verden.