Facturas: mide tú mismoInvoices: measure it yourself

Datos sintéticosSynthetic data

20 facturas colombianas ficticias de 5 plantillas, 4 por plantilla: 5 están escaneadas y 2 traen un error del propio proveedor. Empresas, NIT y cifras son inventados.20 fictitious Colombian invoices from 5 templates, 4 per template: 5 are scanned and 2 carry an error made by the supplier itself. Companies, tax IDs and amounts are made up.

• A clásica · factura electrónica de ferreteríaclassic · hardware store e-invoice
• B moderna · tecnología, encabezado oscuromodern · tech, dark header
• C servicios · carta de servicios profesionalesservices · professional services letter
• D tiquete POS · supermercado, letra monoespaciadaPOS receipt · supermarket, monospaced type
• E proveedor nuevo · transporte y agroinsumosnew supplier · transport and farm supplies

Congelado antes de medirFrozen before measuring

Las reglas, el prompt y el lector de Claude se escribieron con un conjunto de desarrollo que solo tenía las plantillas A a D, y se congelaron en git antes de correrlos sobre el conjunto de prueba; las reglas, incluso antes de que existiera la plantilla nueva (E). Las cifras de esta página son de ese conjunto de prueba, que no se usó para ajustar nada.The rules, the prompt and the Claude reader were written on a development set with templates A to D only, and frozen in git before they were run on the test set; the rules, even before the new template (E) existed. The figures on this page come from that test set, which was not used to tune anything.

Haiku va aparteHaiku is set apart

Claude Haiku 4.5 no está en la tabla principal del README. En las facturas 01, 02, 04 y 08 entregó las líneas como texto mal formado y la validación no las marcó: con el criterio medido, una factura sin líneas no contaba como falla. Con el criterio actual (decisión 16), esas cuatro irían a revisión. Aquí se muestra el criterio medido; † marca dónde cambiaría.Claude Haiku 4.5 is not in the README’s main table. On invoices 01, 02, 04 and 08 it returned the line items as malformed text and the validation did not flag them: under the rule that was measured, an invoice with no lines did not count as a failure. Under the current rule (decision 16), those four would go to review. This page shows the measured rule; † marks where it would change.

Qué cuenta como aciertoWhat counts as correct

Un monto vale si coincide al centavo; una fecha, si coincide el día; un nombre, si coincide sin tildes, mayúsculas ni puntuación. Una línea vale si sus cuatro campos coinciden. Con 20 facturas, cada porcentaje de campos lleva su intervalo de Wilson al 95 %.An amount counts if it matches to the cent; a date, to the day; a name, ignoring accents, case and punctuation. A line counts if all four of its fields match. With only 20 invoices, each field percentage comes with its 95% Wilson interval.

La demo en vivo es otra mediciónThe live demo is a separate matter

El modelo de la demo se midió en otro conjunto, no en estas 20 facturas, así que no aparece abajo. Lo que ves son los extractores que sí se corrieron sobre ellas: cuatro, y Claude Haiku 4.5 aparte.The demo’s model was measured on a different set, not on these 20 invoices, so it does not appear below. What you see are the extractors that were actually run on them: four, plus Claude Haiku 4.5, set apart.