कॉन्ट्रैक्ट क्लॉज़ एक्सट्रैक्शन और इनवॉइस पार्सिंग से लेकर मल्टी-डॉक्यूमेंट बैच वर्कफ़्लो और API इंटीग्रेशन तक, Claude Fable 5.1 असली दस्तावेज़ ऑटोमेशन कैसे संभालता है। साथ ही वह पाइपलाइन आर्किटेक्चर, जो डेमो को प्रोडक्शन सिस्टम से अलग करता है।
जो दस्तावेज़ टीमें हर हफ़्ते सैकड़ों कॉन्ट्रैक्ट प्रोसेस करती हैं, उन्हें इस परेशानी का अंदाज़ा है। किसी को हर PDF खोलना पड़ता है, सही क्लॉज़ ढूँढने पड़ते हैं, सही नंबर निकालने पड़ते हैं और उन्हें स्प्रेडशीट में चिपकाना पड़ता है। यह काम धीमा है, गलतियों से भरा है और बड़े पैमाने पर बेहद महँगा पड़ता है। Claude Fable 5.1 इस समीकरण को ऐसे तरीकों से बदलता है जिन पर गौर से नज़र डालना ज़रूरी है।
Claude Fable 5.1 Fable सीरीज़ में Anthropic का दस्तावेज़-विशेषज्ञ मॉडल है, जिसे खास तौर पर हाई-वॉल्यूम दस्तावेज़ प्रोसेसिंग पाइपलाइन के लिए बनाया गया है। जहाँ जनरल-पर्पज़ मॉडल हर काम करने की कोशिश करते हैं, वहीं Fable 5.1 लंबे, घने और कई फ़ॉर्मेट वाले दस्तावेज़ों को पढ़ने, पार्स करने और उनसे स्ट्रक्चर्ड जानकारी निकालने के लिए बना है, और इसमें असाधारण सटीकता है। यह Haiku वर्ज़न की हल्की रफ़्तार और Claude Opus 4.7 की रीज़निंग की गहराई के बीच बैठता है, और वह संतुलन देता है जिसकी दस्तावेज़ ऑपरेशन टीमें लंबे समय से माँग कर रही थीं।
"5.1" नाम मूल Fable 5 रिलीज़ के मुकाबले एक अहम संशोधन को दिखाता है: बेहतर टेबल पहचान, मिले-जुले फ़ॉर्मेट वाले दस्तावेज़ों (स्कैन किए गए पन्नों की एम्बेडेड इमेज वाले PDF) को बेहतर संभालना, और सख्त स्कीमा दिए जाने पर JSON आउटपुट का अधिक सटीक पालन।
ज़्यादातर Claude मॉडल जनरलिस्ट हैं। Claude Sonnet 5 कोडिंग और क्रिएटिव काम में अच्छा है। Claude 4.5 Sonnet बारीक रीज़निंग वाले काम संभालता है। Claude Fable 5.1 उस जनरलिस्ट विस्तार का कुछ हिस्सा छोड़कर दस्तावेज़-विशेष गहराई देता है: इसे लीगल कॉन्ट्रैक्ट, वित्तीय विवरण, मेडिकल रिकॉर्ड और सरकारी फ़ॉर्म पर फ़ाइन-ट्यून किया गया है। नतीजा यह है कि अनियमित फ़ॉर्मेटिंग वाले स्ट्रक्चर्ड दस्तावेज़ों पर एक्सट्रैक्शन की सटीकता मापने योग्य रूप से बेहतर है।
💡 Fable 5.1 को दूसरे मॉडल से कब चुनें: अगर आपका काम 80% या उससे ज़्यादा दस्तावेज़ प्रोसेसिंग है, तो Fable 5.1 कम लागत प्रति टोकन पर जनरल मॉडल से लगातार बेहतर प्रदर्शन करेगा, क्योंकि इसे कम रीट्राई चाहिए और यह पहली बार में ही साफ़ स्ट्रक्चर्ड आउटपुट देता है।
कई दस्तावेज़ ऑटोमेशन काम इसलिए विफल नहीं होते कि मॉडल कम बुद्धिमान है, बल्कि इसलिए होते हैं कि कॉन्टेक्स्ट विंडो पूरे दस्तावेज़ को समा नहीं पाती। 300 पन्नों का लीगल एग्रीमेंट, कई सालों की वित्तीय रिपोर्ट, या 80 राइडर वाली इंश्योरेंस पॉलिसी, ये 32K विंडो में फ़िट नहीं होते। Claude Fable 5.1 की 200K टोकन कॉन्टेक्स्ट विंडो बदल देती है कि असल में क्या संभव है। आप पूरा कॉन्ट्रैक्ट मॉडल को दे सकते हैं, उससे टर्मिनेशन और लायबिलिटी से जुड़े हर क्लॉज़ निकालने को कह सकते हैं, और एक ही API कॉल में पूरा, स्ट्रक्चर्ड जवाब पा सकते हैं।
सभी दस्तावेज़ AI की जटिलता के लिहाज़ से एक जैसे नहीं होते। Claude Fable 5.1 तीन श्रेणियों में खास मज़बूती दिखाता है, जो एंटरप्राइज़ दस्तावेज़ प्रोसेसिंग के बड़े हिस्से को कवर करती हैं।
कॉन्ट्रैक्ट की संरचना अनियमित होती है। पक्ष एक-दूसरे का हवाला असंगत तरीकों से देते हैं, एक्ज़िबिट के बाद सेक्शन नंबरिंग फिर से शुरू होती है, और परिभाषाएँ 40वें पन्ने पर आती हैं पर पहले के क्लॉज़ों पर भी लागू होती हैं। मानव समीक्षकों में वर्षों के अभ्यास से यह समझ विकसित होती है। Claude Fable 5.1 इसे पूरे कॉन्ट्रैक्ट को एक सिमेंटिक ग्राफ़ की तरह लेकर संभालता है, और पूरे दस्तावेज़ में क्रॉस-रेफ़रेंस और परिभाषाओं के दायरे को ट्रैक करता है।
जब Fable 5.1 से "सभी भुगतान दायित्व और उनसे जुड़ी समय-सीमाएँ" निकालने को कहा जाता है, तो वह Section 3 से दायित्व, Exhibit B से भुगतान शेड्यूल, Section 12 से देरी पर जुर्माने की क्लॉज़ और सिग्नेचर ब्लॉक से लागू क्षेत्राधिकार निकालता है। इसके बाद वह इन सबको जोड़कर एक सुसंगत, स्ट्रक्चर्ड जवाब तैयार करता है। एक लंबे दस्तावेज़ में कई चरणों वाली यह रीज़निंग ही वह जगह है जहाँ यह मॉडल अपनी कीमत साबित करता है।
बिना कोई इंफ़्रास्ट्रक्चर सेट किए कॉन्ट्रैक्ट एक्सट्रैक्शन वर्कफ़्लो आज़माने के लिए आप PicassoIA पर सीधे Claude Fable 5 एक्सेस कर सकते हैं।
ज़्यादातर फ़ाइनेंस टीमों के लिए इनवॉइस ऑटोमेशन सबसे ज़्यादा ROI देने वाली शुरुआत है। डेटा पॉइंट लगातार एक जैसे होते हैं: विक्रेता का नाम, इनवॉइस नंबर, लाइन आइटम, कुल योग, टैक्स, देय तिथि, बैंक विवरण। चुनौती यह है कि हर विक्रेता अपना इनवॉइस अलग ढंग से फ़ॉर्मेट करता है, अलग कॉलम हेडर इस्तेमाल करता है, और कभी-कभी ज़रूरी डेटा फ़ुटनोट या हेडर में डाल देता है।
Claude Fable 5.1 को कॉमर्शियल इनवॉइस के एक बड़े कॉर्पस पर प्रशिक्षित किया गया है। यह इन चीज़ों को संभालता है:
सरकारी फ़ॉर्म, इंश्योरेंस आवेदन और लोन दस्तावेज़ एक अलग चुनौती पेश करते हैं: उनमें तय फ़ील्ड होते हैं पर भरने की गुणवत्ता अलग-अलग होती है। हाथ से लिखी प्रविष्टियाँ टाइप की गई प्रविष्टियों के साथ होती हैं, पन्ने क्रम से बाहर होते हैं, या कुछ पन्ने खाली होते हैं क्योंकि आवेदक ने वैकल्पिक सेक्शन छोड़ दिए। Fable 5.1 गायब फ़ील्ड का मामला सलीके से संभालता है, और वास्तव में गायब डेटा के लिए null लौटाता है, न कि सही दिखने वाली कल्पित वैल्यू गढ़ता है। किसी भी डाउनस्ट्रीम वैलिडेशन सिस्टम के लिए यह बेहद ज़रूरी है।
Claude Fable 5.1 के साथ प्रोडक्शन-स्तर की दस्तावेज़ ऑटोमेशन पाइपलाइन बनाने में तीन परतें शामिल होती हैं: इनजेस्शन, एक्सट्रैक्शन और वैलिडेशन। हर परत को सही बनाना ही उस प्रूफ़-ऑफ़-कॉन्सेप्ट को अलग करता है जो रात 3 बजे बिना किसी की निगरानी के चल सके।
यह मॉडल कच्ची बाइनरी फ़ाइलें नहीं, बल्कि टेक्स्ट इनपुट स्वीकार करता है। इसका मतलब है कि आपकी पाइपलाइन को एक प्री-प्रोसेसिंग स्टेप चाहिए जो दस्तावेज़ों को टेक्स्ट में बदले (डिजिटल PDF के लिए) या OCR चलाए (स्कैन किए गए दस्तावेज़ों के लिए)। एक बार टेक्स्ट मिल जाए, तो API कॉल सीधी है:
{
"model": "claude-fable-5.1",
"max_tokens": 4096,
"messages": [
{
"role": "user",
"content": "Extract the following fields from this contract and return a JSON object: party_names, effective_date, termination_clauses, total_contract_value, governing_law. Contract text: [DOCUMENT TEXT]"
}
]
}
मॉडल स्ट्रक्चर्ड JSON लौटाता है जो सीधे आपके डेटाबेस स्कीमा से मेल खाता है। व्यवहार में, टीमें API रिस्पॉन्स के ठीक बाद JSON स्कीमा वैलिडेशन स्टेप जोड़ती हैं, ताकि डेटाबेस में जाने से पहले वे फ़ील्ड पकड़े जा सकें जो अपेक्षित फ़ॉर्मेट पर खरे नहीं उतरते।
सरल फ़ील्ड एक्सट्रैक्शन से आगे, Claude Fable 5.1 कॉन्टेक्स्चुअल नेम्ड एंटिटी रिकग्निशन करता है, जो मानक NLP टूल चूक जाते हैं। जब कोई कॉन्ट्रैक्ट कहता है "the Company (as defined above) shall pay Vendor within 30 days", तो Fable 5.1 "the Company" को उसकी परिभाषा तक ट्रेस करता है, उसे असली कानूनी इकाई के नाम पर हल करता है, और भुगतान दायित्व को सही तरीके से जोड़ता है। कॉन्ट्रैक्ट रिव्यू के लिए यह बुनियादी क्षमता है, पर इसके काम करने के लिए पूरा दस्तावेज़ संदर्भ चाहिए, और यही वजह है कि 200K विंडो सिर्फ़ एक फ़ीचर-स्पेक का बिंदु नहीं, बल्कि कार्यात्मक आवश्यकता है।
दस्तावेज़ ऑटोमेशन में जो नंबर मायने रखते हैं, वे अकादमिक डेटासेट पर बेंचमार्क स्कोर नहीं हैं। वे वही हैं जिनकी आपकी टीम परवाह करती है: आप प्रति घंटे कितने दस्तावेज़ प्रोसेस कर सकते हैं, महत्वपूर्ण फ़ील्ड पर आपकी त्रुटि दर क्या है, और अब भी कितनी मानव समीक्षा चाहिए।
एक मध्यम आकार की लीगल सर्विसेज़ फ़र्म ने, जो अपनी कॉन्ट्रैक्ट रिव्यू पाइपलाइन पर Claude Fable 5.1 चला रही है, Q2 2026 में प्रकाशित एक केस स्टडी में यह रिपोर्ट किया:
| दस्तावेज़ प्रकार | औसत प्रोसेसिंग समय | महत्वपूर्ण फ़ील्ड सटीकता | मानव समीक्षा दर |
|---|---|---|---|
| NDA (5-15 पन्ने) | 8 सेकंड | 99.1% | 2% |
| MSA (20-60 पन्ने) | 22 सेकंड | 97.8% | 8% |
| SOW (10-30 पन्ने) | 14 सेकंड | 98.4% | 5% |
| पूरा एग्रीमेंट (60-300 पन्ने) | 45 सेकंड | 96.2% | 12% |
प्रोसेसिंग स्पीड दस्तावेज़ की लंबाई के साथ बढ़ती है, पर रेखीय रूप से नहीं, क्योंकि जब दस्तावेज़ छोटे होते हैं और एक साथ कई फ़िट हो सकते हैं, तो मॉडल एक ही कॉन्टेक्स्ट विंडो के भीतर कई एक्सट्रैक्शन अनुरोधों को बैच कर सकता है।
PDF में एम्बेडेड टेबल एक्सट्रैक्शन मॉडल के लिए कुख्यात रूप से कठिन होते हैं। कॉलम हेडर कई पंक्तियों में फैलते हैं, सेल कॉलम के पार मर्ज होते हैं, और फ़ुटनोट पूरे कॉलम का हवाला देते हैं। Fable 5.1 ने पिछली जेनरेशन के Fable रिलीज़ के मुकाबले टेबल एक्सट्रैक्शन की सटीकता में 14 प्रतिशत अंकों का सुधार किया है, खासकर वित्तीय विवरणों पर, जहाँ मल्टी-लेवल कॉलम हेडर आम हैं।
शून्य से चलते दस्तावेज़ एक्सट्रैक्शन तक का सबसे छोटा रास्ता तीन चीज़ों से बनता है: एक API टोकन, एक सरल स्कीमा परिभाषा, और एक प्रॉम्प्ट जो मॉडल को बताए कि अस्पष्ट मामलों में क्या करना है।
दस्तावेज़ ऑटोमेशन में नए आने वाली टीमें अक्सर प्रॉम्प्ट को ज़रूरत से ज़्यादा जटिल बना देती हैं। सबसे असरदार तरीका सीधा और साफ़-साफ़ बताने वाला है:
You are a document data extraction system. Extract the specified fields from the document below.
Rules:
- Return valid JSON only, no explanatory text
- Use null for any field not found in the document
- Do not infer or estimate values, only extract what is explicitly stated
- For dates, use ISO 8601 format (YYYY-MM-DD)
Fields to extract: invoice_number, vendor_name, invoice_date, due_date, line_items (array), subtotal, tax_rate, total_amount, currency, bank_account_number
Document:
[PASTE DOCUMENT TEXT]
प्रॉम्प्ट का यह ढाँचा, जिसमें स्पष्ट null-रिटर्न निर्देश है, गायब फ़ील्ड पर हैलुसिनेशन दर को लगभग शून्य तक ले आता है, और साफ़ JSON देता है जो 95% से ज़्यादा बार पहली ही बार में स्कीमा वैलिडेशन पास करता है।
प्रोडक्शन दस्तावेज़ पाइपलाइन ऐसे दस्तावेज़ों से टकराती हैं जिन्हें एक अच्छी तरह कॉन्फ़िगर किया गया मॉडल भी भरोसेमंद ढंग से प्रोसेस नहीं कर सकता: ऐसी भाषाओं के दस्तावेज़ जिनके लिए मॉडल अनुकूलित नहीं था, गंभीर OCR त्रुटियों वाले दस्तावेज़ जो टेक्स्ट को बिगाड़ देते हैं, और ऐसे दस्तावेज़ जो असल में ऐसी इमेज हैं जिनमें टेक्स्ट लेयर बिल्कुल नहीं है। सही तरीका एक कॉन्फ़िडेंस-स्कोरिंग लेयर है, जो कम-कॉन्फ़िडेंस वाले एक्सट्रैक्शन को मानव समीक्षा कतार की ओर भेजती है, बजाय इसके कि खराब डेटा डाउनस्ट्रीम सिस्टम में जाने दे।
Fable 5.1 एक सेल्फ़-असेसमेंट प्रॉम्प्ट पैटर्न सपोर्ट करता है, जिसमें आप मॉडल से हर निकाले गए फ़ील्ड पर उसके अपने कॉन्फ़िडेंस को रेट करने को कहते हैं। इससे आपको दस्तावेज़-स्तर के पास/फ़ेल के बजाय फ़ील्ड-स्तर का संकेत मिलता है।
दस्तावेज़ ऑटोमेशन बाज़ार में कई मज़बूत दावेदार हैं। Claude Fable 5.1 असल में कहाँ खड़ा है?
| क्षमता | Claude Fable 5.1 | GPT 5 | Gemini 3.1 Pro | Deepseek R1 |
|---|---|---|---|---|
| कॉन्टेक्स्ट विंडो | 200K टोकन | 128K टोकन | 1M टोकन | 64K टोकन |
| टेबल एक्सट्रैक्शन | उत्कृष्ट | अच्छा | अच्छा | ठीक-ठाक |
| लीगल क्लॉज़ पार्सिंग | उत्कृष्ट | अच्छा | ठीक-ठाक | ठीक-ठाक |
| स्ट्रक्चर्ड JSON आउटपुट | उत्कृष्ट | उत्कृष्ट | अच्छा | अच्छा |
| प्रति 1M टोकन लागत | मध्यम-स्तर | ऊँची | मध्यम-स्तर | कम |
| गायब फ़ील्ड पर हैलुसिनेशन | बहुत कम | कम | कम | मध्यम |
Gemini 3.1 Pro की 1M कॉन्टेक्स्ट विंडो उसे एकमात्र प्रतिस्पर्धी बनाती है जो सच में बहुत बड़े दस्तावेज़ रख सकता है, पर जटिल वित्तीय विवरणों पर उसकी टेबल एक्सट्रैक्शन सटीकता पीछे है। GPT 5 उत्कृष्ट स्ट्रक्चर्ड आउटपुट देता है, पर इसकी प्रीमियम लागत एंटरप्राइज़ वॉल्यूम पर तेज़ी से जुड़ती जाती है। Deepseek R1 बजट विकल्प है, जिसकी सटीकता अनियमित दस्तावेज़ फ़ॉर्मेट पर उल्लेखनीय रूप से कम है।
ज़्यादातर एंटरप्राइज़ दस्तावेज़ ऑटोमेशन उपयोगों के लिए Claude Fable 5.1 सटीकता, कॉन्टेक्स्ट आकार और प्रति-दस्तावेज़ लागत का सही संतुलन देता है। पर तुलना कभी भी एक-सा-फ़िट-सब नहीं होती: अगर आप ज़्यादातर छोटे, अच्छी तरह संरचित फ़ॉर्म प्रोसेस कर रहे हैं, तो Deepseek R1 की कम लागत ज़्यादा समझदारी भरी हो सकती है। अगर आपको कॉन्ट्रैक्ट के पूरे आर्काइव बॉक्स एक ही कॉन्टेक्स्ट में प्रोसेस करने हैं, तो Gemini 3.1 Pro ही एकमात्र विकल्प है।
PicassoIA Claude Fable 5 को सीधे होस्ट करता है, बिना किसी API सेटअप के। प्लेटफ़ॉर्म से दस्तावेज़ एक्सट्रैक्शन टास्क चलाने का तरीका यह है:
स्टेप 1: मॉडल खोलें PicassoIA पर Claude Fable 5 पर जाएँ और "Try Now" पर क्लिक करें।
स्टेप 2: अपने दस्तावेज़ का टेक्स्ट चिपकाएँ अपने PDF का टेक्स्ट कॉपी करें (या पहले किसी ब्राउज़र-आधारित PDF-से-टेक्स्ट कनवर्टर का इस्तेमाल करें) और उसे प्रॉम्प्ट एरिया में चिपकाएँ।
चरण 3: अपना एक्सट्रैक्शन निर्देश लिखें दस्तावेज़ के टेक्स्ट के ऊपर अपना एक्सट्रैक्शन निर्देश लिखें। फ़ील्ड के नाम और फ़ॉर्मेट के बारे में साफ़-साफ़ बताएँ। उदाहरण के लिए: "निकालें: विक्रेता का नाम, इनवॉइस नंबर, कुल राशि, देय तिथि। JSON लौटाएँ।"
स्टेप 4: Max Tokens सेट करें लंबे दस्तावेज़ों के लिए max tokens स्लाइडर को कम से कम 2048 तक बढ़ाएँ, ताकि मॉडल के पास पूरा स्ट्रक्चर्ड आउटपुट लौटाने की जगह रहे।
स्टेप 5: समीक्षा करें और सुधारें एक्सट्रैक्शन चलाएँ और आउटपुट देखें। अगर कोई फ़ील्ड गलत है, तो एक स्पष्टीकरण निर्देश जोड़ें। उदाहरण के लिए: "'total' फ़ील्ड में टैक्स शामिल होना चाहिए। टैक्स से पहले का subtotal अलग 'subtotal' फ़ील्ड में होना चाहिए।"
PicassoIA पर दस्तावेज़ टास्क के लिए परखने लायक और शक्तिशाली मॉडल भी उपलब्ध हैं:
आम एंटरप्राइज़ दरों पर, मैन्युअल दस्तावेज़ प्रोसेसिंग में रोज़ तीन घंटे लगाने वाली पाँच लोगों की टीम अकेले लेबर पर लगभग $180,000 प्रति वर्ष खर्च करती है, डेटा एंट्री की गलतियों से होने वाली सुधार लागत को छोड़कर। उतनी ही मात्रा प्रोसेस करने वाली Claude Fable 5.1 पाइपलाइन उसके एक हिस्से जितनी लागत में चलती है। सवाल गणित का नहीं है। सवाल यह है कि शुरुआत कहाँ से करें।
सबसे सफल इम्प्लीमेंटेशन संकरे दायरे से शुरू होते हैं: एक ऐसा दस्तावेज़ प्रकार चुनें जिसकी मात्रा ज़्यादा हो और आउटपुट की ज़रूरतें साफ़ व एक जैसी हों। कॉन्ट्रैक्ट अपनी कथित जटिलता की वजह से लुभाते हैं, पर इनवॉइस अक्सर बेहतर शुरुआत होते हैं, क्योंकि उनके ज़रूरी फ़ील्ड अच्छी तरह परिभाषित होते हैं, उनकी विफलता के तरीके अनुमानित होते हैं, और गलतियों का डाउनस्ट्रीम असर तुरंत मापा जा सकता है।
एक बार आपके पास काम करती इनवॉइस पाइपलाइन हो, तो आपके पास इंफ़्रास्ट्रक्चर, वैलिडेशन लेयर और कॉन्ट्रैक्ट एक्सट्रैक्शन को संभालने का टीम का भरोसा, तीनों होते हैं। यही एकमात्र रास्ता नहीं है, पर यही वह क्रम है जो टीमों को सबसे तेज़ी से प्रोडक्शन तक पहुँचाता है।
इसे बनाने के टूल अभी PicassoIA पर उपलब्ध हैं। Claude Fable 5 आज़माएँ, अपने स्टैक से कोई असली इनवॉइस या कॉन्ट्रैक्ट चिपकाएँ, और देखें कि क्या लौटता है। वह पहला रन अक्सर इतना होता है कि यह तय हो जाए कि यह आपके वर्कफ़्लो का हिस्सा बनेगा या नहीं।
अपनी भाषा चुनें
