Kan ik Schematron V2 Small lokaal draaien?

Ja — de gewichten zijn open en gehost op Hugging Face onder inference-net/schematron-v2-llama-3.2-3b, dus je kunt ze downloaden en zelf draaien.

Wat kost het en hoeveel context heeft het?

Via Inference.net kost de API $0,05 per miljoen inputtokens en $0,23 per miljoen outputtokens, met een contextvenster van 128.000 tokens.

Hoe geef ik extractie-instructies?

Je gebruikt geen systeem- of gebruikersprompts voor instructies — het model verwacht een JSON-schema via de response_format parameter, en dat schema bepaalt wat het extraheert.

Schematron V2 Small

3712°

#llm #inference-net #data-extractie #lokaal #budget #snel

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Inference.net | 128.000 token context | $0.05/M input, $0.23/M output. Schematron V2 Small is een 3 miljard parameter HTML-naar-JSON extractiemodel van Inference.net. Het geeft prioriteit aan extractiekwaliteit voor complexe schema’s en lange pagina’s. Extractie-instructies moeten worden aangeleverd via een JSON-schema in response_format in plaats van via systeem- of gebruikersprompts.

Gidsen voor dit model

Ollama vs LM Studio (2026): welke lokale AI-app gebruik je, en welke topmodellen draaien ze

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Schematron V2 Small is een 3-miljard-parameter model van Inference.net, gebouwd voor één taak: gestructureerde data uit HTML halen en teruggeven als JSON. Met 3 miljard parameters blijft het slank en goedkoop, terwijl de V2-generatie zich richt op extractiekwaliteit bij complexe schema's en lange pagina's. Als je webinhoud scrapt, parseert of in een pijplijn verwerkt, is dit speciaal daarvoor gemaakt.

Bekend om

Gestructureerde HTML-naar-JSON extractie als enige focus
Kan complexe schema's en lange HTML-pagina's aan zonder kwaliteitsverlies
128.000-token contextvenster past op de meeste echte pagina's
Open gewichten beschikbaar op Hugging Face voor lokale inzet
Zeer lage API-kosten: fracties van een cent per pagina bij typische grootte

Let op

Instructies moeten via een JSON-schema in response_format gaan — systeem- en gebruikersprompts zijn niet hoe je dit model aanstuurt.
Nauwe specialist: doet één ding goed en is geen algemene assistent.
Licentievoorwaarden zijn niet gepubliceerd door de maker; controleer de Hugging Face repository voor commercieel gebruik.

Het beste voor

Prompts om te proberen

Productgegevens extraheren

Plak hieronder de ruwe HTML van een e-commerce productpagina. Gebruik response_format met een JSON-schema dat het volgende vastlegt: productnaam, prijs, valuta, beschikbaarheidsstatus, bullet-point kenmerken als array, en de eerste afbeeldings-URL. Geef alleen het JSON-object terug, geen commentaar.

Een nieuwsartikel parsen

Hier is de volledige HTML van een nieuwsartikel. Gebruik response_format met een schema dat het volgende extraheert: kop, auteur, publicatiedatum in ISO 8601, hoofdtekst als één string, en alle hyperlinks in de tekst als een array van objecten met ankertekst en href.

Een vacature scrapen

Hieronder staat de HTML van een vacaturepagina. Gebruik response_format met een schema dat het volgende vastlegt: functietitel, bedrijfsnaam, locatie, salarisrange indien aanwezig, dienstverbandstype, vereiste vaardigheden als array, en de volledige functiebeschrijving als platte tekst zonder HTML-tags.

Vergelijk met

Schematron V2 Turbo
Model met open gewichten
128,000 token context · $0.03/M invoer, $0.15/M uitvoer
Gemini 3.1 Flash Lite
Alleen API-model
1,048,576 token context · $0.25/M invoer, $1.50/M uitvoer
GPT-5.4 Nano
Alleen API-model
400,000 token context · $0.20/M invoer, $1.25/M uitvoer
GPT-5.6 Luna
Alleen API-model
1,050,000 token context · $0.20/M invoer, $1.20/M uitvoer

Meer tekstmodellen van inference-net

Veelgestelde vragen

Kan ik Schematron V2 Small lokaal draaien?: Ja — de gewichten zijn open en gehost op Hugging Face onder inference-net/schematron-v2-llama-3.2-3b, dus je kunt ze downloaden en zelf draaien.
Wat kost het en hoeveel context heeft het?: Via Inference.net kost de API $0,05 per miljoen inputtokens en $0,23 per miljoen outputtokens, met een contextvenster van 128.000 tokens.
Hoe geef ik extractie-instructies?: Je gebruikt geen systeem- of gebruikersprompts voor instructies — het model verwacht een JSON-schema via de response_format parameter, en dat schema bepaalt wat het extraheert.

Oordeel van de kapitein
Een chirurgisch instrument: als je pijplijn HTML goedkoop en netjes in JSON moet omzetten, verdient Schematron V2 Small zijn plek; vraag het iets anders en je zult teleurgesteld zijn.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Schematron V2 Small is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm inference-net data-extractie lokaal budget snel

Bladeren op modelfamilie