Schemer.
Extrahera typade fält ur vilken text som helst mot ditt eget schema, på enheten, med ett fält tomt där texten inte säger något.
Demo
Extrahera typad JSON ur vilken text som helst.
Skriv ”Lunch med Priya nästa torsdag kl. 1” och händelsen blir typad: datumet upplöst mot enhetens klocka, längden ett tal, titeln en sträng. Inget parsningssteg, ingen schemavalidering, ingen omförsöksloop.
Inget hittas på heller. Schemer lämnar ett saknat fält tomt 91% av gångerna; promptade LLM:er klarar 18–43%. Extraherade strängar är ordagranna delsträngar av indata med teckenpositioner, så granskning är en delsträngskontroll. Schemer arbetar utifrån vanligt JSON Schema, formen OpenAI och Gemini accepterar, på vilket som helst av 13 språk.
0,800 på scheman den aldrig har sett.
Schemer får 0,800 på scheman den aldrig har sett, med 211M parametrar och 111 MB. De enda modeller som får högre resultat är 40 gånger så stora eller större.
Intern utvärdering på 9 021 avskilda poster; konkurrenterna körs på samma avskilda uppsättning.
Naturligt språk till kalenderpost
Förvandla ”Lunch med Priya nästa torsdag kl. 13, ungefär en timme” till en typad händelse: titel, startdatum och -tid, varaktighet och upprepning. Körs i ett tangentbord eller en anteckningsapp, på enheten och offline.
Meddelanden till strukturerade poster
Gör ett chattmeddelande, ett mejl eller en skannad anteckning till en CRM-lead, order eller faktura. Namn, e-postadresser, belopp och datum kommer avkodade till sin riktiga typ, ett saknat fält kommer som null, och posten är redo att sparas utan ett parsningssteg.
Agenter och formulärifyllning på enheten
Ge en lokal agent ett JSON Schema och fritext, och den typade JSON den får utlöser en åtgärd eller förfyller ett formulär. Ingen moln-LLM, ingen kostnad per anrop.
Vad modellen gör
- Arbetar utifrån vanligt JSON Schema, det som OpenAI och Gemini accepterar, och skriver typad JSON som matchar det.
- Avkodar strängar, tal, booleaner, datetime-värden, etiketter och arrayer till deras verkliga typer.
- Explicit frånvarodetektion: rapporterar ett fält som saknat i stället för att hitta på ett värde.
- Fungerar på 13 språk från en enda modell, utan konfiguration per språk.
Specifikationer
- Modell
- 211M (beskuren mmBERT-base-encoder)
- Träffsäkerhet
- 0,800 (int8) och 0,911 för frånvarodetektion
- Storlek på enheten
- 111 MB (int4 AWQ) och 218 MB (int8)
- Format
- Core ML och ONNX, plattformsoberoende
Schemer återger det texten säger; Schemer skriver inte. Be om en fritt formulerad rubrik eller ett omdöme som kräver omvärldskunskap, så vinner en betydligt större modell.
Schemer är inte heller någon entitetsextraherare: den fyller fälten du deklarerat och räknar inte upp varje namn i stycket. Nästlade scheman hanteras av koden runt modellen och inte av modellen själv, och kvaliteten där är mätt på interna mallar snarare än på rörig text från verkligheten.
Vanliga frågor
Vad är Schemer?
Extrahera typade fält ur vilken text som helst mot ditt eget schema, på enheten, med ett fält tomt där texten inte säger något.
Körs Schemer lokalt på enheten?
Ja. Schemer körs på enheten, utan något serveranrop, så att data stannar hos användaren.
Är Schemer tillgänglig än?
Schemer är i stängd beta. Begär tidig åtkomst på den här sidan.
Vad kostar Schemer?
Varje modell är gratis upp till 100k månadsaktiva enheter per SDK. Obegränsad inferens per användare. Kontakta oss för anpassade licenser.
Hur träffsäker eller snabb är Schemer?
Schemer får 0,800 på scheman den aldrig har sett, med 211M parametrar och 111 MB. De enda modeller som får högre resultat är 40 gånger så stora eller större.
Tidig åtkomst
Berätta vad du bygger, så hjälper vi dig igång.