Schemer.
Typisierte Felder aus beliebigem Text nach Ihrem eigenen Schema extrahieren, auf dem Gerät, mit leerem Feld, wo der Text nichts sagt.
Demo
Typisiertes JSON aus beliebigem Text extrahieren.
Schreiben Sie „Mittagessen mit Priya nächsten Donnerstag um 13 Uhr“, und der Termin ist typisiert: das Datum gegen die Geräteuhr aufgelöst, die Dauer eine Zahl, der Titel ein String. Kein Parsing-Schritt, keine Schema-Validierung, keine Retry-Schleife.
Es wird auch nichts erfunden. Schemer lässt ein fehlendes Feld in 91 % der Fälle leer; per Prompt angesteuerte LLMs schaffen 18–43 %. Extrahierte Strings sind wortgetreue Teilzeichenketten der Eingabe mit Zeichen-Offsets, sodass das Prüfen eine Teilstring-Prüfung ist. Schemer arbeitet mit einfachem JSON Schema, der Form, die OpenAI und Gemini akzeptieren, in 13 Sprachen.
0,800 bei nie gesehenen Schemata.
Schemer erreicht 0,800 bei Schemata, die es nie gesehen hat, mit 211M Parametern und 111 MB. Die einzigen Modelle, die besser abschneiden, sind 40-mal so groß oder größer.
Interne Evaluierung auf 9.021 zurückgehaltenen Datensätzen; die Wettbewerber laufen auf demselben zurückgehaltenen Datensatz.
Natürliche Sprache zu Kalendereintrag
Verwandeln Sie „Mittagessen mit Priya nächsten Donnerstag um 13 Uhr, etwa eine Stunde“ in ein typisiertes Ereignis: Titel, Startzeitpunkt, Dauer und Wiederholung. Läuft in einer Tastatur- oder Notiz-App, auf dem Gerät und offline.
Nachrichten zu strukturierten Datensätzen
Verwandeln Sie eine Chat-Nachricht, E-Mail oder gescannte Notiz in einen CRM-Lead, eine Bestellung oder eine Rechnung. Namen, E-Mail-Adressen, Beträge und Daten kommen in ihren echten Typ dekodiert an, ein fehlendes Feld kommt als null an, und der Datensatz ist ohne Parsing-Schritt speicherbereit.
On-Device-Agenten und Formularausfüllung
Geben Sie einem lokalen Agenten ein JSON Schema und freien Text, und das typisierte JSON, das er erhält, löst eine Aktion aus oder füllt ein Formular vor. Kein Cloud-LLM, keine Kosten pro Aufruf.
Was das Modell macht
- Arbeitet mit einfachem JSON Schema, dem, das OpenAI und Gemini akzeptieren, und schreibt dazu passendes typisiertes JSON.
- Dekodiert Strings, Zahlen, Booleans, Datums-/Zeitwerte, Labels und Arrays in ihre echten Typen.
- Explizite Abwesenheitserkennung: meldet ein Feld als fehlend, statt einen Wert zu erfinden.
- Funktioniert über 13 Sprachen hinweg aus einem einzigen Modell, ohne Einrichtung pro Sprache.
Technische Daten
- Modell
- 211M (gestutzter mmBERT-base-Encoder)
- Genauigkeit
- 0,800 (int8), 0,911 Abwesenheitserkennung
- Größe auf dem Gerät
- 111 MB (int4 AWQ), 218 MB (int8)
- Formate
- Core ML und ONNX, plattformübergreifend
Schemer übernimmt, was im Text steht; Schemer schreibt nicht. Verlangen Sie einen frei formulierten Titel oder ein Urteil, das Weltwissen braucht, und ein deutlich größeres Modell schlägt Schemer.
Schemer ist auch kein Entitätsextraktor: Es füllt die Felder, die Sie deklariert haben, und zählt nicht jeden Namen im Absatz auf. Verschachtelte Schemata erledigt der Code um das Modell herum und nicht das Modell selbst, und die Qualität dort ist an internen Vorlagen gemessen, nicht an unordentlicher Prosa aus der Praxis.
FAQ
Was ist Schemer?
Typisierte Felder aus beliebigem Text nach Ihrem eigenen Schema extrahieren, auf dem Gerät, mit leerem Feld, wo der Text nichts sagt.
Läuft Schemer auf dem Gerät?
Ja. Schemer läuft auf dem Gerät, ohne Serveraufruf, sodass die Daten beim Nutzer bleiben.
Ist Schemer schon verfügbar?
Schemer befindet sich in einer geschlossenen Beta. Fordern Sie auf dieser Seite frühen Zugang an.
Was kostet Schemer?
Jedes Modell ist kostenlos für bis zu 100k monatlich aktive Geräte pro SDK. Unbegrenzte Inferenz pro Nutzer. Kontaktieren Sie uns für individuelle Lizenzen.
Wie genau oder schnell ist Schemer?
Schemer erreicht 0,800 bei Schemata, die es nie gesehen hat, mit 211M Parametern und 111 MB. Die einzigen Modelle, die besser abschneiden, sind 40-mal so groß oder größer.
Früher Zugang
Sagen Sie uns, was Sie entwickeln, und wir richten Ihnen alles ein.