Inference.net: Schematron V2 Turbo

Schematron V2 Turbo är en textmodell från Inference.net, listad på api14 under modell-id inference-net/schematron-v2-turbo. Det är en HTML-till-JSON-extraktionsmodell med 3B parametrar, och Inference.net positionerar den som ett genomströmningsförst-alternativ för extraktionsarbetsbelastningar med hög volym. Dess leverantörsutgivningsdatum är 2026-09-12. Om du bygger en pipeline som omvandlar webbsidor eller HTML-fragment till strukturerade poster, är detta den modellfamilj den tillhör.

Modellen tar text som indata och returnerar text som utdata, med ett kontextfönster på 128 000 tokens och maximalt 8 192 tokens som utdata. Dess definierande beteende är att extraktionsinstruktioner måste tillhandahållas via ett JSON-schema i response_format snarare än i fritext. Den begränsningen formar hur du promptar den: i stället för att beskriva fälten du vill ha i naturligt språk, deklarerar du dem som ett schema, och modellen fyller schemat från HTML-koden den får. Det stora kontextfönstret innebär att du kan skicka omfattande dokument i en enda begäran, medan taket på 8 192 tokens för utdata begränsar hur mycket strukturerad data ett anrop kan returnera.

De praktiska användningsfallen följer direkt av den designen. HTML-till-JSON-extraktion med hög volym är det primära: skrapa produktlistningar, tolka fakturor eller kvitton renderade som markup, plocka ut fält från listningssidor, eller normalisera semistrukturerade dokument till poster som din applikation kan lagra. Eftersom modellen är liten och optimerad för genomströmning passar den för batchjobb där du kör samma schema över tusentals sidor och bryr dig mer om konsekvent, schemakonformt utdata än om öppen resonemang. Det är en textmodell, så den accepterar inte bilder eller ljud, och den genererar inget annat än text.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id inference-net/schematron-v2-turbo. Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintliga OpenAI-SDK:er och klienter med en ändring av bas-URL och modell-id. De stödda begäranparametrarna är frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k och top_p. I praktiken kommer du att luta dig mot response_format och structured_outputs för att skicka ditt JSON-schema, max_tokens för att begränsa den returnerade posten, och seed eller temperature när du vill ha reproducerbar extraktion över en batch.

Det främsta att planera kring är schemakravet. Om din uppgift är öppen generering, sammanfattning eller konversationsresonemang snarare än extraktion till en fast form, passar en allmän textmodell bättre. Likaså, om du behöver bild- eller ljudindata, stöder denna modell det inte. Inom sin avsedda nisch gör dock kombinationen av ett kontextfönster på 128 000 tokens, en utdatagräns på 8 192 tokens och schemadrivet utdata den till ett rimligt val för storskaliga HTML-till-JSON-jobb där genomströmning spelar roll.