Schematron V2 Turbo
Réseau Neuronal
Schematron V2 Turbo est un modèle Inference.net de 3 milliards de paramètres pour extraire des données HTML vers JSON via API.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Schematron V2 Turbo?
Schematron V2 Turbo est un modèle compact Inference.net de 3 milliards de paramètres, conçu pour une tâche unique : transformer du HTML brut en JSON structuré. La version Turbo est optimisée pour le débit, idéale pour le traitement en flux de grands volumes de pages. Les instructions d'extraction ne sont pas définies par le texte du prompt, mais par un schéma JSON dans le paramètre response_format, rendant la réponse prévisible et nécessitant peu de post-traitement. Sur BotHub, le modèle fonctionne sans VPN ni carte étrangère : paiement en roubles par carte russe à l'usage, selon les jetons consommés, sans expiration du solde. La connexion s'effectue via une API compatible OpenAI, permettant de basculer vers l'une des 250+ autres modèles sans réécrire l'intégration. Pour les entreprises, nous proposons contrats, factures, EDI et panneau d'administration avec limites. Utile pour collecter des fiches produits et prix concurrents, construire des pipelines ETL, alimenter des bases de données, convertir des archives de pages en jeux de données, extraire des contacts ou enrichir des CRM.Questions fréquentes sur Schematron V2 Turbo
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel avec un contexte de 128 000 jetons, acceptant texte et documents. Il est idéal pour l'analyse de fichiers volumineux, l'extraction de données, la synthèse, la préparation de rapports et le traitement d'instructions longues. Via BotHub, vous pouvez le comparer à d'autres modèles.
Selon nos données, le volume maximal de réponse est de 8192 jetons. Cela suffit pour des rapports détaillés, l'analyse de documents et des brouillons longs. Si vous avez besoin de plus, il est logique de diviser la tâche en plusieurs requêtes.
Aucun mode de raisonnement spécifique avant réponse n'est indiqué dans nos données, nous ne pouvons donc pas le confirmer. Le modèle construit la réponse en une fois. Si une logique étape par étape est nécessaire, guidez-le : demandez de décomposer la tâche et de justifier les conclusions.
La prise en charge de l'appel de fonctions et de la sortie JSON structurée n'est pas indiquée dans nos données, nous ne pouvons donc pas la garantir. Le modèle traite texte et documents. Si un format strict est requis, définissez la structure directement dans le prompt et testez le résultat.
Selon nos données, le modèle accepte des requêtes textuelles et des documents. Nous n'avons aucune information sur le chargement d'images, d'audio ou de vidéo. Pour traiter des médias, consultez les modèles appropriés sur BotHub.
Nous n'avons pas de données sur la qualité du russe pour ce modèle, nous ne pouvons donc rien promettre. Il traite texte et documents. Le plus simple est de le tester avec de courtes requêtes : sur BotHub, le paiement se fait à l'usage, sans abonnement.