Schematron V2 Turbo
Red Neuronal
Schematron V2 Turbo es un modelo de Inference.net de 3 mil millones de parámetros para extraer datos de HTML a JSON vía API.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Schematron V2 Turbo?
Schematron V2 Turbo es un modelo compacto de Inference.net de 3 mil millones de parámetros, diseñado para una sola tarea: convertir HTML sin procesar en JSON estructurado. La versión Turbo está optimizada para el rendimiento y es adecuada para el procesamiento por lotes de grandes volúmenes de páginas. Las instrucciones de extracción no se definen mediante texto de prompt, sino mediante un esquema JSON en el parámetro response_format, por lo que la respuesta es predecible y casi no requiere posprocesamiento. En BotHub, el modelo funciona sin VPN ni tarjetas extranjeras: el pago se realiza en rublos según el uso, por tokens consumidos, y el saldo no caduca. La conexión se realiza a través de una API compatible con OpenAI, por lo que puede cambiar a otro de los más de 250 modelos en el mismo código sin reescribir la integración; para empresas, ofrecemos contratos, facturas, intercambio electrónico de documentos y un panel de administración con límites. Es útil si recopila fichas de productos y precios de la competencia, construye tuberías ETL, llena bases de datos desde fuentes web, convierte archivos de páginas en conjuntos de datos, extrae contactos de sitios corporativos o enriquece CRM con datos de catálogos abiertos.Preguntas frecuentes sobre Schematron V2 Turbo
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto con un contexto de 128 000 tokens que acepta tanto texto como documentos. Es útil para analizar archivos grandes, extraer datos, resumir, preparar informes y trabajar con instrucciones largas. A través de BotHub, puede compararlo con otros modelos en una sola ventana.
Según nuestros datos, el volumen máximo de respuesta es de 8192 tokens. Esto es suficiente para informes detallados, análisis de documentos y borradores largos. Si necesita más texto, es lógico dividirlo en varias solicitudes o completarlo por partes.
No hemos registrado un modo de razonamiento separado antes de la respuesta en nuestros datos, por lo que no podemos confirmarlo. El modelo construye la respuesta completa según su solicitud. Si necesita lógica paso a paso, ayude con la formulación: pida desglosar la tarea en pasos y justificar las conclusiones.
La compatibilidad con llamadas a funciones y salida JSON estructurada no está marcada en nuestros datos, por lo que no podemos garantizarla. El modelo trabaja con texto y documentos. Si su escenario requiere un formato estricto, defina la estructura directamente en el prompt y verifique el resultado con solicitudes de prueba.
Según nuestros datos, el modelo acepta solicitudes de texto y documentos. No tenemos información sobre la carga de imágenes, audio o video, por lo que no afirmaremos nada. Si necesita procesar una imagen o un archivo multimedia, consulte los modelos del tipo correspondiente en BotHub.
No tenemos datos sobre la calidad del idioma ruso en este modelo, por lo que no prometemos nada específico. Se sabe que trabaja con texto y documentos. La forma más fácil de probarlo en tareas en ruso es mediante solicitudes de prueba cortas: el pago en BotHub se realiza por tokens utilizados, no se requiere suscripción.