Por qué tu LLM trunca antes de llegar a max_tokens
Los LLMs no esperan a chocar con max_tokens: si sospechan que se van a pasar, truncan antes. Cómo lo descubrimos en DocuTray procesando documentos densos.
Matías Sánchez Cabrera25 may.5 min
Tag
#Document Processing
Todo lo relevante del mundo de Procesamiento de Documentos
Matías Sánchez Cabrera25 may.5 min
Cómo extraer datos de facturas PDF para COMEX en LATAM
Extraer datos de facturas PDF para COMEX en LATAM no es como procesar una factura local: cambian formatos, monedas, identificadores fiscales y los line items vienen por cientos. Cómo resolverlo con un schema único y un par de líneas de código.
Matías Sánchez Cabrera01 may.7 min
JSON vs TOON: reducir tokens de salida al extraer datos
Cuando procesamos facturas internacionales con cientos de líneas de producto, el JSON de respuesta superaba los max tokens del modelo. Probamos TOON — un formato que promete ~40% menos tokens de salida. Esto es lo que aprendimos.
Matías Sánchez Cabrera26 mar.5 min
DocuTray vs Extend AI: pipeline listo vs plataforma flexible
Extend y DocuTray procesan documentos con IA, pero con filosofías de diseño distintas. Extend te da las primitivas para armar tu propio pipeline. DocuTray te da el pipeline ya construido.
Matías Sánchez Cabrera19 mar.4 min
DocuTray vs Reducto: extracción vs pipeline completo
Reducto y DocuTray extraen datos de documentos, pero resuelven problemas distintos en el pipeline. Reducto es una primitiva de extracción excelente. DocuTray va más lejos: identifica, extrae, valida y enriquece en el mismo API call.
Matías Sánchez Cabrera19 mar.4 min
Extraer datos de documentos con IA: el gap de producción
El demo siempre funciona. Pegas un PDF en el chat, pides los campos estructurados, y el modelo responde con un JSON perfecto. "¿Por qué no hacemos esto
Matías Sánchez Cabrera18 mar.4 min
DocuTray vs Amazon Textract: Principales diferencias
Cuando un developer necesita extraer datos de documentos, lo primero que aparece en Google es Amazon Textract. Es el default. Está en AWS, tiene buena documentación, y si
Matías Sánchez Cabrera16 mar.5 min
Más allá del OCR
La inteligencia artificial le ha dado nueva vida a la industria de OCR y Procesamiento Inteligente de Documentos. Nuevos actores en un mercado ya saturado lanzan servicios que
Matías Sánchez Cabrera10 mar.2 min