Schemer: da testo libero a JSON strutturato, on-device
Estrazione on-device che trasforma il testo libero in un oggetto JSON tipizzato conforme al tuo JSON Schema, senza inventare valori per i campi mancanti.
Schemer prende testo libero e un JSON Schema fornito dallo sviluppatore e restituisce un oggetto JSON conforme, con garanzie di tipo invece di testo generativo. In ingresso un JSON Schema semplice (compatibile con OpenAI e Gemini), in uscita JSON tipizzato. Il suo punto di forza è il rilevamento dell'assenza: capire quando un campo semplicemente non è nel testo, a 0,91 contro 0,18-0,43 degli LLM con prompt, che è esattamente dove gli estrattori generativi falliscono. Il modello è generico; l'esempio di riferimento al lancio è la creazione di attività.
Demo
Prestazioni
Con 211M di parametri e 111 MB, gli unici modelli più precisi di Schemer sono 40 volte più grandi o oltre. Quando il testo non menziona un campo, Schemer lo lascia vuoto nel 91 % dei casi invece di inventare un valore, contro il 18-43 % degli LLM con prompt.
9.021 record riservati su sette segmenti d'uso, 13 lingue (interno)
| Modello | Precisione | Assenza | Parametri | 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 |
Valutazione interna su 9.021 record riservati; i concorrenti sono valutati sullo stesso set riservato.
Casi d'uso
Dal linguaggio naturale alla voce di calendario
Trasforma «Pranzo con Priya giovedì prossimo all'una, circa un'ora» in un evento tipizzato: titolo, data e ora di inizio, durata e ricorrenza. Funziona in una tastiera o in un'app per note, sul dispositivo e offline.
Dai messaggi ai record strutturati
Trasforma un messaggio di chat, un'email o una nota scansionata in un lead CRM, un ordine o una fattura: nomi, email, importi e date, ciascuno decodificato nel suo tipo reale, con i campi mancanti restituiti come null invece che indovinati.
Input più pulito per gli LLM on-device
Pre-struttura il testo disordinato in campi convalidati e tipizzati prima che raggiunga un LLM on-device. Un input strutturato e pulito invece di prosa grezza riduce le allucinazioni e il costo in token e aumenta la precisione, il tutto senza lasciare il dispositivo.
Agenti on-device e compilazione di moduli
Passa a un agente locale un JSON Schema e del testo libero e ottieni in risposta JSON tipizzato per avviare un'azione o precompilare un modulo, senza LLM in cloud e senza costi a chiamata.
Da recensioni e feedback a valutazioni
Trasforma una recensione in testo libero in una valutazione a stelle tipizzata, un'etichetta di sentiment (positivo, misto, negativo) e flag come «riacquisterebbe», pronte da ordinare o instradare senza leggerle una per una.
Normalizza record disordinati
Converti in blocco record in testo libero incoerenti, note, log o fogli di calcolo esportati in un unico schema tipizzato e pulito, con i campi assenti segnalati invece che inventati, sul dispositivo.
Cosa fa
- In ingresso un JSON Schema semplice (compatibile con OpenAI e Gemini), in uscita JSON tipizzato.
- Decodifica stringhe, numeri, booleani, date e ore, etichette e array nei loro tipi reali.
- Rilevamento esplicito dell'assenza: segnala un campo come mancante invece di inventare un valore.
- Funziona in 13 lingue da un unico modello, senza configurazione per lingua.
Specifiche
- Parametri
- 211M (encoder mmBERT-base con pruning)
- Precisione
- 0,800 (int8), 0,911 rilevamento dell'assenza
- Dimensione
- 111 MB (int4 AWQ), 218 MB (int8)
- Formati
- Core ML e ONNX, multipiattaforma
FAQ
Cos'è Schemer?
Estrazione on-device che trasforma il testo libero in un oggetto JSON tipizzato conforme al tuo JSON Schema, senza inventare valori per i campi mancanti.
Schemer funziona sul dispositivo?
Sì. Schemer funziona interamente sul dispositivo: l'inferenza avviene in locale senza alcuna chiamata a un server, quindi i dati non lasciano mai il dispositivo.
Schemer è già disponibile?
Schemer è in beta chiusa. Puoi richiedere l'accesso anticipato dalla sua pagina.
Quanto costa Schemer?
Ogni modello è gratuito fino a 100k dispositivi attivi mensili per SDK. Inferenza illimitata per utente. Contattaci per licenze personalizzate.
Quanto è preciso o veloce Schemer?
Con 211M di parametri e 111 MB, gli unici modelli più precisi di Schemer sono 40 volte più grandi o oltre. Quando il testo non menziona un campo, Schemer lo lascia vuoto nel 91 % dei casi invece di inventare un valore, contro il 18-43 % degli LLM con prompt.
Accesso anticipato
Raccontaci cosa stai costruendo e ti aiutiamo a iniziare.