Bisakah Extract dijalankan secara lokal atau offline?

Tidak. Extract adalah model API-only dari ScaleDown; bobotnya tidak publik dan tidak ada opsi self-host.

Berapa biaya Extract dan seberapa besar jendela konteksnya?

ScaleDown mengenakan biaya $0,04 per juta token input dengan token output gratis, dan jendela konteks satu juta token.

Apa perbedaan Extract dengan LLM umum untuk tugas ekstraksi?

Extract dibangun khusus untuk ekstraksi entitas: Anda mendeskripsikan bidang dalam bahasa Inggris biasa dan model mengembalikan hasil terstruktur dengan skor kepercayaan, offset karakter, dan konteks sekitarnya, plus OCR bawaan sehingga gambar dokumen bisa diproses tanpa pra-pemrosesan.

Extract

5298°

#llm #scaledown #visi #ekstraksi data #konteks panjang #anggaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

ScaleDown | konteks 1.000.000 token | $0,04/M input, output gratis. Extract adalah model ekstraksi entitas berbasis deskripsi dari ScaleDown. Alih-alih set tipe entitas tetap, pemanggil mendeskripsikan bidang yang mereka inginkan dalam bahasa Inggris biasa melalui provider.options.scaledown.entities, dan model mengembalikan setiap rentang yang cocok dengan skor kepercayaan, offset karakter, dan konteks sekitar. Model ini cocok untuk menarik nilai terstruktur dari kontrak, faktur, email, dan transkrip, serta menyertakan OCR bawaan sehingga gambar dan PDF yang dipindai dapat diproses tanpa langkah terpisah. Pelajari lebih lanjut di dokumentasi ScaleDown: https://docs.scaledown.ai/api-reference/extract-overviewOpens in new tab

Panduan untuk model ini

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Extract adalah model ekstraksi entitas berbasis deskripsi dari ScaleDown. Alih-alih mengunci Anda pada tipe entitas yang sudah ditentukan, Anda mendeskripsikan bidang yang diinginkan dalam bahasa Inggris biasa dan model mengembalikan rentang yang cocok dengan skor kepercayaan, offset karakter, dan konteks sekitarnya. OCR bawaan memungkinkan PDF hasil scan dan gambar langsung diproses tanpa pra-pemrosesan, membuatnya praktis untuk kontrak, faktur, email, dan transkrip.

Dikenal untuk

Ekstraksi berbasis deskripsi: definisikan tipe entitas apa pun dalam bahasa Inggris biasa, tanpa skema.
Mengembalikan skor kepercayaan dan offset karakter bersama setiap rentang yang diekstrak.
OCR bawaan menangani gambar dan PDF hasil scan tanpa langkah pipeline terpisah.
Jendela konteks satu juta token memungkinkan dokumen panjang diproses dalam satu panggilan.
Token output gratis menjaga biaya rendah untuk beban kerja ekstraksi berat.

Waspadai

Bobot tidak publik; Anda terikat pada API ScaleDown tanpa opsi self-host.
Detail harga dan konteks selain yang dipublikasikan ScaleDown tidak diverifikasi secara independen.

Terbaik untuk

Prompt untuk dicoba

Ekstrak bidang faktur

Ini adalah faktur hasil scan. Ekstrak bidang berikut: nama vendor, nomor faktur, tanggal faktur, item baris dengan harga satuan, subtotal, jumlah pajak, dan total yang harus dibayar. Kembalikan setiap bidang dengan skor kepercayaan dan offset karakter tempat muncul di dokumen.

Tarik kewajiban kontrak

Baca kontrak ini dan ekstrak setiap kewajiban, tenggat waktu, dan ketentuan pembayaran. Untuk masing-masing, kembalikan pihak yang bertanggung jawab, kewajiban tepatnya, tanggal jatuh tempo jika ada, dan skor kepercayaan. Tandai klausul dengan skor kepercayaan di bawah 0,8.

Data terstruktur dari thread email

Ini adalah thread email antara pembeli dan pemasok. Ekstrak: semua nama produk yang disebutkan, kuantitas, harga yang disepakati, tanggal pengiriman yang diminta, dan nama serta alamat email masing-masing pihak. Kembalikan offset karakter untuk setiap nilai yang diekstrak.

Bandingkan dengan

Summarize
Model hanya API
konteks 1,000,000 token · $0.04/M input, free output
Qwen3 VL 8B Instruct
Model dengan bobot terbuka
konteks 262,144 token · $0.25/M input, $0.75/M output
Qwen3 VL 30B A3B Instruct
Model dengan bobot terbuka
konteks 262,144 token · $0.15/M input, $0.60/M output
Llama 4 Scout
Model dengan bobot terbuka
konteks 1,310,720 token · $0.18/M input, $0.59/M output

Model teks lain dari scaledown

Pertanyaan yang sering diajukan

Bisakah Extract dijalankan secara lokal atau offline?: Tidak. Extract adalah model API-only dari ScaleDown; bobotnya tidak publik dan tidak ada opsi self-host.
Berapa biaya Extract dan seberapa besar jendela konteksnya?: ScaleDown mengenakan biaya $0,04 per juta token input dengan token output gratis, dan jendela konteks satu juta token.
Apa perbedaan Extract dengan LLM umum untuk tugas ekstraksi?: Extract dibangun khusus untuk ekstraksi entitas: Anda mendeskripsikan bidang dalam bahasa Inggris biasa dan model mengembalikan hasil terstruktur dengan skor kepercayaan, offset karakter, dan konteks sekitarnya, plus OCR bawaan sehingga gambar dokumen bisa diproses tanpa pra-pemrosesan.

Putusan Kapten
Jika pipeline Anda penuh dengan faktur atau kontrak, pendekatan berbasis deskripsi dan OCR bawaan Extract menghilangkan banyak pekerjaan teknis yang merepotkan.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Extract adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm scaledown visi ekstraksi data konteks panjang anggaran

Jelajahi berdasarkan Keluarga Model