lift

lift

从 PDF 和图像中提取结构化数据。你提供一个 JSON 模式，它返回与之匹配的对象。这是 Datalab 的 9.7B 视觉语言模型，适合处理文档的开发者。

由 datalab-to 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：lift 是 Datalab 的文档提取模型。它读取 PDF 和图像，返回结构化的 JSON。你给它一个 JSON 模式，它在这个模式的约束下解码，所以结果是有效的，类型也正确。它一次读完一份多页文档，包括跨页的值。它有 9.7B 参数，BF16 格式约 19.3 GB。

适合谁：如果你是开发者，要把发票、报告和表单变成数据库记录，并想在自己的硬件上运行提取，它很适合你。

Industry | Who uses it | How they use it | Example
金融 | 处理发票的团队 | 从发票 PDF 中提取字段和明细行 | 一个包含发票号、总额和明细列表的模式
运营 | 后台开发者 | 把表单和报告变成结构化记录 | 页面上缺失的字段会返回 null
研究 | 构建文档流水线的团队 | 比较在长文档上的提取准确率 | 模型卡测试了 225 份文档，约有 11,000 个计分字段

如果你只需要页面里的纯文本，可以跳过它，因为它是为填写模式而设计的，而且权重的许可证对竞争性使用有限制。

用在哪里：

• Python，通过 lift-pdf 包
• 用 lift_vllm 启动的本地 vLLM 服务器
• Hugging Face Transformers，用于需要 torch 的进程内使用
• Windows、macOS 或 Linux，装有 Python
• 命令行，可处理单个文件或整个文件夹

Use case | Who | What they get back
发票提取 | 金融开发者 | 一个带有发票号、总额和明细行的 JSON 对象
多页报告 | 数据工程师 | 一次读完就收集齐的跨页数值
模式设计与测试 | 分析师 | Schema Studio，一个用来起草并试用模式的小应用，可用样例文件测试

如何设置：你需要 Python、走 vLLM 路线所需的 GPU，以及放得下权重的空间。

• 装有 pip 的 Python
• lift-pdf 包
• 一个 vLLM 服务器（推荐，更轻量的路线），或者走 Hugging Face 路线所需的 torch
• BF16 权重约 19.3 GB，4-bit 约 4.8 GB，这是估算值

1. 安装 lift-pdf 包。
2. 用 lift_vllm 启动 vLLM 服务器。
3. 写一个包含你想要字段的 JSON 模式文件。
4. 用这个模式对一份 PDF 运行 lift_extract。

pip install lift-pdf
lift_vllm
lift_extract input.pdf ./output --schema schema.json

如果想用 Hugging Face 工具自己下载模型文件，用这两行：

pip install -U huggingface_hub
hf download datalab-to/lift

如何使用：模式就是标准的 JSON Schema。支持字符串、数字、整数、布尔值、数组和嵌套对象。给名称不清楚的字段加上描述，只有必须出现的字段才标为必填。在 Python 里，先启动服务器，再调用 extract：

from lift import extract
from lift.model import InferenceManager

# Start the vLLM server first with: lift_vllm
model = InferenceManager(method="vllm")
result = extract("document.pdf", "schema.json", model=model)
print(result.extraction)

Tool | What it does
lift_vllm | 启动本地 vLLM 服务器
lift_extract | 提取单个文件或一个文件夹的命令行
extract | 接收文档和模式的 Python 函数
InferenceManager | 在 vllm 和 hf 两种方式之间选择
page_range | 限制要读取的 PDF 页面
VLLM_API_BASE | 让客户端指向远程服务器

示例：你要一个发票号、一个总额和一个明细列表。lift 读取 PDF，返回一个带这三个键的 JSON 对象。文档里没有的字段会返回 null，而不是猜一个值。

新手与专家：把它想成一个文员，从一堆纸里替你填表，而这张表就是你的模式。第一个小尝试是一份发票 PDF 加一个三字段的模式。

受约束的解码意味着输出总能被解析并符合你的类型，不过一个有效的值仍然可能是错的。模型卡按精确匹配给每个字段打分，数字有容差。它报告模型答对了 90.2% 的字段，但只有 20.9% 的整份文档完全答对，所以长文档仍然需要复核。

写一个 JSON 模式
启动 vLLM 服务器或加载模型
把 PDF 和模式传给 extract
模型在模式约束下解码
读取 JSON 结果

注意事项：模型卡在它自己的基准上把 lift 与其他选项做了比较。延迟是每份文档、8 个并发请求下的数值，所以请当作相对值。

Title: 模型卡的基准
Model | Field accuracy | Full-document accuracy | Median latency
Datalab API | 95.9% | 44.4% | 30.8s
Gemini Flash 3.5 | 91.3% | 40.0% | 28.1s
lift | 90.2% | 20.9% | 9.5s
Azure Content Understanding | 83.4% | 22.2% | 73.7s
NuExtract3 | 81.5% | 8.4% | 8.3s
Qwen3.5-9B | 76.3% | 24.0% | 16.8s

Title: 模型卡 225 份文档测试中的字段准确率
Datalab API: 95.9 %
Gemini Flash 3.5: 91.3 %
lift: 90.2 %
Azure Content Understanding: 83.4 %
NuExtract3: 81.5 %
Qwen3.5-9B: 76.3 %

• Other versions: 其他人已经发布了 15 个量化版本和 3 个微调版本
• License: 代码是 Apache 2.0。权重使用带有禁止竞争条款的修改版 OpenRAIL-M 许可证，用于研究、个人使用，或融资或收入低于 5M 的创业公司时可以免费使用
• Cost to run: 本地使用没有提到费用，托管 API 有自己的定价
• Data it reaches: 你传入的文档和你下载的文件，只有当你把 VLLM_API_BASE 指向远程服务器时，才会涉及远程服务器
• Not for: 读取纯文本，或对长文档做完全不经复核的提取

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：9.7B
• Weights: about 19.3 GB in BF16; about 4.8 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：11,454
• 点赞：210
• 许可证：openrail
• Quantized versions: 15
• Fine-tunes: 3
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, extraction, structured-data, json, conversational

链接

• 模型：https://huggingface.co/datalab-to/lift
• 文件：https://huggingface.co/datalab-to/lift/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download datalab-to/lift

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。