Inference.net: Schematron V2 Turbo

Schematron V2 Turbo هو نموذج نصي من Inference.net، مُدرج على api14 تحت معرّف النموذج inference-net/schematron-v2-turbo. وهو نموذج لاستخراج HTML إلى JSON بمعاملات 3B، وتضعه Inference.net كخيار يُعطي الأولوية للإنتاجية في أعباء عمل الاستخراج عالية الحجم. تاريخ إصداره من المزوّد هو 2026-09-12. إذا كنت تبني خط أنابيب يحوّل صفحات الويب أو أجزاء HTML إلى سجلات مُهيكلة، فهذه هي عائلة النماذج التي ينتمي إليها.

يأخذ النموذج النص كمدخل ويُعيد النص كمخرج، مع نافذة سياق تبلغ 128,000 رمز وحد أقصى للمخرج يبلغ 8,192 رمز. سلوكه المميز هو أن تعليمات الاستخراج يجب أن تُقدَّم عبر مخطط JSON في response_format بدلاً من النثر الحر. هذا القيد يشكّل طريقة توجيهك له: فبدلاً من وصف الحقول التي تريدها باللغة الطبيعية، تُعلن عنها كمخطط، ويملأ النموذج ذلك المخطط من HTML المُعطى له. تعني نافذة السياق الكبيرة أنه يمكنك تمرير مستندات كبيرة في طلب واحد، بينما يحدّ سقف المخرج البالغ 8,192 رمزاً من كمية البيانات المُهيكلة التي يمكن أن تُعيدها استدعاء واحد.

تتبع حالات الاستخدام العملية مباشرة من ذلك التصميم. استخراج HTML إلى JSON عالي الحجم هو الحالة الأساسية: كشط قوائم المنتجات، تحليل الفواتير أو الإيصالات المُقدَّمة كترميز، استخراج الحقول من صفحات القوائم، أو تطبيع مستندات شبه مُهيكلة إلى سجلات يمكن لتطبيقك تخزينها. ولأن النموذج صغير ومضبوط للإنتاجية، فهو مناسب لمهام الدفعات حيث تُشغّل المخطط نفسه عبر آلاف الصفحات وتهتم أكثر بالمخرجات المتسقة والمتوافقة مع المخطط من الاستدلال المفتوح. وهو نموذج نصي فقط، لذا لا يقبل الصور أو الصوت، ولا يُولّد أي شيء غير النص.

تستدعيه عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج inference-net/schematron-v2-turbo. ولأن الواجهة متوافقة مع OpenAI، تعمل حزم SDK وعملاء OpenAI الحاليون مع تغيير عنوان URL الأساسي ومعرّف النموذج. معاملات الطلب المدعومة هي frequency_penalty و logit_bias و max_tokens و min_p و presence_penalty و repetition_penalty و response_format و seed و stop و structured_outputs و temperature و top_k و top_p. عملياً ستعتمد على response_format و structured_outputs لتمرير مخطط JSON الخاص بك، و max_tokens لتحديد سقف السجل المُعاد، و seed أو temperature عندما تريد استخراجاً قابلاً لإعادة الإنتاج عبر دفعة.

الشيء الرئيسي الذي يجب التخطيط حوله هو متطلب المخطط. إذا كانت مهمتك توليداً مفتوحاً أو تلخيصاً أو استدلالاً حوارياً بدلاً من الاستخراج إلى شكل ثابت، فإن نموذجاً نصياً عام الأغراض سيكون أنسب. وبالمثل، إذا كنت تحتاج مدخلات صور أو صوت، فهذا النموذج لا يدعمها. لكن ضمن مجاله المقصود، فإن الجمع بين نافذة سياق تبلغ 128,000 رمز، وحد مخرج يبلغ 8,192 رمزاً، ومخرجات مدفوعة بالمخطط يجعله خياراً معقولاً لمهام HTML إلى JSON واسعة النطاق حيث تهم الإنتاجية.