Schemer: Fri text till strukturerad JSON på enheten
Extrahering på enheten som förvandlar fri text till ett typat JSON-objekt som matchar ditt JSON Schema, utan att hitta på värden för fält som saknas.
Schemer tar fri text och ett JSON Schema som utvecklaren tillhandahåller och returnerar ett JSON-objekt som matchar det, med typgarantier i stället för genererad text. Vanligt JSON Schema in (kompatibelt med OpenAI och Gemini), typad JSON ut. Dess styrka är frånvarodetektion: att veta när ett fält helt enkelt inte finns i texten, på 0,91 mot 0,18 till 0,43 för promptade LLM:er, vilket är precis där generativa extraherare misslyckas. Modellen är generell; lanseringsreferensen är skapande av uppgifter.
Demo
Prestanda
Med 211M parametrar och 111 MB är de enda modeller som är mer träffsäkra än Schemer 40 gånger så stora eller större. När texten inte nämner ett fält lämnar Schemer det tomt 91% av gångerna i stället för att hitta på ett värde, mot 18 till 43% för promptade LLM:er.
9 021 avskilda poster över sju användningssegment, 13 språk (internt)
| Modell | Träffsäkerhet | Frånvaro | Parametrar | Disk |
|---|---|---|---|---|
| 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 |
Intern utvärdering på 9 021 avskilda poster; konkurrenterna körs på samma avskilda uppsättning.
Användningsfall
Naturligt språk till kalenderpost
Förvandla ”Lunch med Priya nästa torsdag kl. 13, ungefär en timme” till en typad händelse: titel, startdatum och -tid, varaktighet och upprepning. Körs i ett tangentbord eller en anteckningsapp, på enheten och offline.
Meddelanden till strukturerade poster
Förvandla ett chattmeddelande, ett e-postmeddelande eller en skannad anteckning till ett CRM-lead, en order eller en faktura: namn, e-postadresser, belopp och datum, var och en avkodad till sin verkliga typ, med fält som saknas returnerade som null i stället för gissade.
Renare indata till LLM:er på enheten
Förstrukturera rörig text till validerade, typade fält innan den når en LLM på enheten. Ren strukturerad indata i stället för rå prosa minskar hallucinationer och tokenkostnad och höjer träffsäkerheten, allt utan att lämna enheten.
Agenter och formulärifyllnad på enheten
Ge en lokal agent ett JSON Schema och fri text och få typad JSON tillbaka för att utlösa en åtgärd eller förifylla ett formulär, utan moln-LLM och utan kostnad per anrop.
Recensioner och återkoppling till betyg
Omvandla en recension i fri text till ett typat stjärnbetyg, en sentimentetikett (positiv, blandad, negativ) och flaggor som skulle-köpa-igen, redo att sortera eller dirigera utan att läsa var och en.
Normalisera röriga poster
Masskonvertera inkonsekventa poster i fri text, anteckningar, loggar eller exporterade kalkylark till ett enda rent typat schema, med fält som saknas flaggade i stället för påhittade, på enheten.
Vad den gör
- Vanligt JSON Schema in (kompatibelt med OpenAI och Gemini), typad JSON ut.
- Avkodar strängar, tal, booleaner, datum och tider, etiketter och arrayer till deras verkliga typer.
- Explicit frånvarodetektion: rapporterar ett fält som saknat i stället för att hitta på ett värde.
- Fungerar på 13 språk från en enda modell, utan konfiguration per språk.
Specifikationer
- Parametrar
- 211M (beskuren mmBERT-base-encoder)
- Träffsäkerhet
- 0,800 (int8), 0,911 frånvarodetektion
- Storlek
- 111 MB (int4 AWQ), 218 MB (int8)
- Format
- Core ML och ONNX, plattformsoberoende
Vanliga frågor
Vad är Schemer?
Extrahering på enheten som förvandlar fri text till ett typat JSON-objekt som matchar ditt JSON Schema, utan att hitta på värden för fält som saknas.
Körs Schemer lokalt på enheten?
Ja. Schemer körs helt lokalt på enheten: inferensen sker lokalt utan något serveranrop, så data lämnar aldrig enheten.
Är Schemer tillgänglig än?
Schemer är i stängd beta. Du kan begära tidig åtkomst från dess sida.
Vad kostar Schemer?
Varje modell är gratis för upp till 100k månadsaktiva enheter per SDK. Obegränsad inferens per användare. Kontakta oss för anpassade licenser.
Hur träffsäker eller snabb är Schemer?
Med 211M parametrar och 111 MB är de enda modeller som är mer träffsäkra än Schemer 40 gånger så stora eller större. När texten inte nämner ett fält lämnar Schemer det tomt 91% av gångerna i stället för att hitta på ett värde, mot 18 till 43% för promptade LLM:er.
Tidig åtkomst
Berätta vad du bygger, så hjälper vi dig igång.