通用多语言OCR模型在实际落地中有一个隐藏的代价：面对特定语言（比如巴西葡萄牙语），它们在专有名词、文化词汇面前频频出错，甚至连“Chico Buarque”这样家喻户晓的名字都能识别成“Chico Barque”或“chico bique”。更致命的是，遇到字迹模糊或小字体文档，模型直接输出无意义的重复文本——这不是转录错误，而是结构性失效。这种退化让下游流程彻底无法使用，自动化带来的效率瞬间归零。

DharmaOCR的解法很直接：把模型全部参数集中在巴西葡萄牙语这一个领域上，而不是分散到几十种语言。它先通过监督微调（SFT）让模型学会本地词汇和句式，再用直接偏好优化（DPO）教会模型在完整输出层面保持一致性——不只看单个token对不对，而是看整段转录是否连贯。结果是，即使面对更新、更重资源的Mistral OCR4和Unlimited-OCR，DharmaOCR在专有基准上拿到0.925的提取质量分，对手分别是0.798和0.7587。退化率也被压到极低。

这件事给我的启发是：专业化不是权宜之计，而是结构性的优势。只要算力、参数、数据还是有限的，把资源全部押在一个域上就一定比分摊到多个域上能榨出更多价值。新架构能提高所有模型的天花板，但改变不了资源聚焦带来的相对优势。未来OCR会更强，但Dharma的思路不会过时——它会持续吸收前沿技术，把每一点进步都转化成对同一目标语言的极致优化。这不是守成，是更聪明的持续迭代。