本文研究开放权重模型在公共部门高风险场景下进行结构化信息抽取（Structured Information Extraction）的端到端性能。作者指出，结构化信息抽取是各行业数字化转型的关键环节，虽然商业专有方案占据主导，但快速发展的开源OCR引擎、大语言模型（LLM）和视觉-语言模型（VLM）生态提供了可获取的替代方案。然而，针对现实多步骤抽取流程的系统性评估仍然稀缺。鉴于欧盟《人工智能法案》将公共部门某些应用归类为高风险，负责任地使用这些抽取工具必须基于真实任务的综合评估。为此，作者构建了一个基准测试，针对一项高风险真实文档处理任务——国际学习项目学生申请处理——评估开源系统的端到端性能。他们采用最先进的OCR引擎、LLM和VLM进行了全面的实证评估。结果显示：虽然VLM普遍优于OCR+LLM流水线，但即使最先进的开源模型在零样本设置下也难以可靠地处理此类任务；35个配置中只有4个F1分数超过0.5，最佳OCR+LLM流水线与顶级VLM性能相当，但大多数OCR+LLM组合表现明显更差；约75%的配置得分低于0.25。模型规模影响性能，但关系是非线性的：显著更大的模型并不能保证成比例更好的结果。输入质量（尤其是OCR输出的结构保留程度）是独立于下游模型能力的关键因素。该研究为评估开源信息抽取系统在高风险公共部门场景中的适用性提供了重要基准和洞见。