Schemer: de texto libre a JSON estructurado en el dispositivo
Extracción en el dispositivo que convierte texto libre en un objeto JSON tipado que se ajusta a tu JSON Schema, sin inventar valores para los campos que faltan.
Schemer toma texto libre y un JSON Schema que proporciona el desarrollador y devuelve un objeto JSON que se ajusta a él, con garantías de tipo en lugar de texto generativo. Entra un JSON Schema normal (compatible con OpenAI y Gemini) y sale un JSON tipado. Su ventaja es la detección de ausencias: saber cuándo un campo simplemente no está en el texto, con 0,91 frente al 0,18-0,43 de los LLM con prompts, que es justo donde fallan los extractores generativos. El modelo es general; la referencia de lanzamiento es la creación de tareas.
Demo
Rendimiento
Con 211 M de parámetros y 111 MB, los únicos modelos más precisos que Schemer son 40 veces mayores o más. Cuando el texto no menciona un campo, Schemer lo deja vacío el 91 % de las veces en lugar de inventar un valor, frente al 18-43 % de los LLM con prompts.
9021 registros reservados en siete segmentos de uso, 13 idiomas (interno)
| Modelo | Precisión | Ausencia | Parámetros | Disco |
|---|---|---|---|---|
| Gemma 4 26B A4B | 0.834 | 0.428 | 26.6B | 17.2 GB |
| Claude Haiku 4.5 | 0.816 | 0.431 | n/a | API |
| Qwen 3.5 9B | 0.812 | 0.434 | 9.1B | 9.1 GB |
| Schemer (int8) | 0.800 | 0.911 | 211M | 218 MB |
| Schemer (int4) | 0.793 | 0.908 | 211M | 111 MB |
| Ministral 3 8B | 0.790 | 0.430 | 8.0B | 17.8 GB |
| Gemma 4 E2B | 0.780 | 0.427 | 5.1B | 8.3 GB |
| Qwen 3.5 0.8B | 0.651 | 0.351 | 0.87B | 1.75 GB |
| NuExtract-2.0-2B | 0.643 | 0.393 | 2.2B | 4.4 GB |
| GLiNER2-multi | 0.585 | 0.374 | 307M | 309 MB |
| GLiNER2-base | 0.524 | 0.368 | 205M | 834 MB |
| NuExtract-tiny-v1.5 | 0.334 | 0.222 | 0.5B | 954 MB |
| FunctionGemma 270M | 0.288 | 0.181 | 0.27B | 540 MB |
Evaluación interna sobre 9021 registros reservados; los competidores se ejecutan sobre el mismo conjunto reservado.
Casos de uso
De lenguaje natural a entrada de calendario
Convierte «Comida con Priya el próximo jueves a la 1, alrededor de una hora» en un evento tipado: título, fecha y hora de inicio, duración y recurrencia. Se ejecuta en un teclado o una app de notas, en el dispositivo y sin conexión.
Mensajes en registros estructurados
Convierte un mensaje de chat, un correo o una nota escaneada en un lead de CRM, un pedido o una factura: nombres, correos, importes y fechas, cada uno decodificado a su tipo real, con los campos que faltan devueltos como null en lugar de adivinados.
Entrada más limpia para LLM en el dispositivo
Preestructura el texto desordenado en campos tipados y validados antes de que llegue a un LLM en el dispositivo. Una entrada estructurada y limpia en lugar de prosa en bruto reduce las alucinaciones y el coste de tokens y mejora la precisión, todo sin salir del dispositivo.
Agentes en el dispositivo y autorrelleno de formularios
Entrega a un agente local un JSON Schema y texto libre y recibe de vuelta un JSON tipado para disparar una acción o rellenar un formulario, sin LLM en la nube y sin coste por llamada.
Reseñas y opiniones en valoraciones
Convierte una reseña de texto libre en una valoración por estrellas tipada, una etiqueta de sentimiento (positivo, mixto, negativo) y marcas como «volvería a comprar», listas para ordenar o encaminar sin leer cada una.
Normaliza registros desordenados
Convierte en lote registros de texto libre inconsistentes, notas, logs u hojas de cálculo exportadas en un único esquema tipado y limpio, con los campos ausentes marcados en lugar de inventados, en el dispositivo.
Qué hace
- Entra un JSON Schema normal (compatible con OpenAI y Gemini) y sale un JSON tipado.
- Decodifica cadenas, números, booleanos, fechas y horas, etiquetas y arrays a sus tipos reales.
- Detección explícita de ausencias: informa de que un campo falta en lugar de inventar un valor.
- Funciona en 13 idiomas desde un solo modelo, sin configuración por idioma.
Especificaciones
- Parámetros
- 211 M (codificador mmBERT-base podado)
- Precisión
- 0,800 (int8), 0,911 en detección de ausencias
- Tamaño
- 111 MB (int4 AWQ), 218 MB (int8)
- Formatos
- Core ML y ONNX, multiplataforma
Preguntas frecuentes
¿Qué es Schemer?
Extracción en el dispositivo que convierte texto libre en un objeto JSON tipado que se ajusta a tu JSON Schema, sin inventar valores para los campos que faltan.
¿Schemer se ejecuta en el dispositivo?
Sí. Schemer se ejecuta por completo en el dispositivo: la inferencia ocurre localmente sin ninguna llamada a servidor, así que los datos nunca salen del dispositivo.
¿Ya está disponible Schemer?
Schemer está en beta cerrada. Puedes solicitar acceso anticipado desde su página.
¿Cuánto cuesta Schemer?
Todos los modelos son gratis hasta 100 000 dispositivos activos mensuales por SDK. Inferencia ilimitada por usuario. Contáctanos para licencias personalizadas.
¿Qué precisión o velocidad tiene Schemer?
Con 211 M de parámetros y 111 MB, los únicos modelos más precisos que Schemer son 40 veces mayores o más. Cuando el texto no menciona un campo, Schemer lo deja vacío el 91 % de las veces en lugar de inventar un valor, frente al 18-43 % de los LLM con prompts.
Acceso anticipado
Cuéntanos qué estás construyendo y te lo dejamos listo.