ScaleDown: Extract

ScaleDown: Extract es un modelo de texto de ScaleDown, creado específicamente para la extracción de entidades guiada por descripciones. En lugar de obligarte a elegir entre un conjunto fijo de tipos de entidades, te permite describir los campos que deseas en lenguaje natural. Eso lo convierte en un tipo de herramienta diferente de un modelo de chat general: su trabajo es extraer información estructurada de lo que le entregues, guiado por tu propia descripción de los campos objetivo.

El modelo acepta texto, imágenes y archivos como entrada, y devuelve texto. Su ventana de contexto es de 1.000.000 de tokens, y la salida máxima es de 900.000 tokens. Esa combinación de una ventana de entrada muy grande y un techo de salida amplio significa que puedes entregarle documentos largos o contenido multimedia mixto y aun así obtener un resultado extraído sustancial en una sola llamada. La lista de parámetros admitidos es deliberadamente corta: solo se expone max_tokens, lo cual encaja con un modelo cuyo comportamiento se dirige principalmente mediante la descripción de entidades que proporcionas, y no mediante un amplio conjunto de ajustes de muestreo.

Los casos de uso prácticos se derivan directamente de esas capacidades. Si tienes contratos, facturas, informes o documentación escaneada y necesitas extraer campos específicos, describes esos campos y dejas que el modelo los encuentre. Como se aceptan imágenes y archivos junto con texto, la misma llamada puede cubrir un PDF, una captura de pantalla o un volcado de texto sin una canalización separada para cada formato. El contexto de un millón de tokens resulta útil cuando los detalles relevantes están dispersos a lo largo de un documento extenso y prefieres no dividirlo tú mismo. El amplio techo de salida ayuda cuando el resultado de la extracción es en sí mismo largo, como una lista de muchas entidades o una estructura tipo tabla.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "scaledown/extract". El único parámetro de solicitud admitido es max_tokens, así que mantén la forma de tu solicitud simple y coloca las descripciones de campos donde el proveedor las espera, en provider.options.scaledown.entities. Como la interfaz es compatible con OpenAI, los clientes y SDK existentes generalmente funcionan con un cambio de id de modelo y de endpoint, y puedes establecer max_tokens para acotar la longitud de la respuesta según tu carga de trabajo.

Vale la pena señalar la superficie estrecha de parámetros cuando eliges un modelo. Si tu tarea necesita generación creativa, conversación de varios turnos o control fino sobre el comportamiento de muestreo, un modelo de texto de propósito general encajará mejor. Extract está orientado a una sola tarea, y la realiza leyendo tu descripción de los campos en lugar de exponer muchas opciones de ajuste. Para tareas de extracción en las que los campos son más fáciles de describir con palabras que de expresar como un esquema, es un valor predeterminado razonable para probar primero.