Schematron V2 Small을 로컬에서 실행할 수 있나요?

Inference.net | 128,000 토큰 컨텍스트 | 입력 $0.05/M, 출력 $0.23/M. Schematron V2 Small은 Inference.net의 30억 파라미터 HTML-JSON 추출 모델입니다. 복잡한 스키마와 긴 페이지에 대해 추출 품질을 우선시합니다. 추출 지침은 system이나 user 프롬프트가 아닌 response_format의 JSON 스키마를 통해 제공되어야 합니다.

이 모델의 가이드

Ollama vs LM Studio (2026): 어떤 로컬 AI 앱을 사용할까, 그리고 각각 어떤 최고 모델을 실행할까

GGUF 파일이란? 양자화 모델 설명 (Q4, Q8, fp8, NF4)

모든 가이드

캡틴의 노트

Captain 작성, 하우스 에디터

2026-10-13의 노트

Schematron V2 Small은 Inference.net에서 개발한 30억 매개변수 모델로, 한 가지 작업에 특화되어 있습니다: HTML에서 구조화된 데이터를 추출하여 JSON으로 반환하는 것입니다. 30억 매개변수로 경량화와 저비용을 유지하면서, V2 세대는 복잡한 스키마와 긴 페이지에서 추출 품질을 목표로 합니다. 웹 콘텐츠를 스크래핑, 파싱하거나 파이프라인에 전달하는 작업에 최적화된 모델입니다.

알려진 점

구조화된 HTML-JSON 추출에만 집중
복잡한 스키마와 긴 HTML 페이지도 품질 저하 없이 처리
128,000 토큰 컨텍스트 윈도우로 대부분 실제 페이지에 적합
Hugging Face에서 오픈 가중치 제공, 로컬 배포 가능
매우 낮은 API 비용: 일반적인 크기의 페이지당 센트 미만

주의할 점

지침은 response_format의 JSON 스키마를 통해 전달해야 하며, 시스템 및 사용자 프롬프트로는 제어하지 않음.
전문가용 특화 모델로, 한 가지 작업에 특화되어 일반 목적 어시스턴트가 아님.
제작자가 라이선스 조건을 공개하지 않아 상업적 사용 전 Hugging Face 저장소를 확인해야 함.

최적 용도

시도해볼 프롬프트

상품 데이터 추출

아래에 전자상거래 상품 페이지의 원시 HTML을 붙여넣으세요. product name, price, currency, availability status, bullet-point features 배열, 첫 번째 이미지 URL을 포함하는 JSON 스키마를 response_format으로 사용하세요. JSON 객체만 반환하고 설명은 하지 마세요.

뉴스 기사 파싱

다음은 뉴스 기사 전체 HTML입니다. headline, author name, ISO 8601 형식의 publication date, 본문 텍스트(단일 문자열), 본문 내 모든 하이퍼링크(앵커 텍스트와 href를 포함한 객체 배열)를 추출하는 스키마를 response_format으로 사용하세요.

구인 목록 스크래핑

아래는 구인 공고 페이지의 HTML입니다. job title, company name, location, salary range(있으면), employment type, required skills 배열, HTML 태그가 제거된 전체 직무 설명을 포함하는 JSON 스키마를 response_format으로 사용하세요.

비교하기

Schematron V2 Turbo
오픈 가중치 모델
128,000 토큰 컨텍스트 · $0.03/M 입력, $0.15/M 출력
Gemini 3.1 Flash Lite
API 전용 모델
1,048,576 토큰 컨텍스트 · $0.25/M 입력, $1.50/M 출력
GPT-5.4 Nano
API 전용 모델
400,000 토큰 컨텍스트 · $0.20/M 입력, $1.25/M 출력
GPT-5.6 Luna
API 전용 모델
1,050,000 토큰 컨텍스트 · $0.20/M 입력, $1.20/M 출력

inference-net의 더 많은 텍스트 모델

사람들이 묻는 질문

Schematron V2 Small을 로컬에서 실행할 수 있나요?: 네 — 가중치는 공개되어 있으며 Hugging Face의 inference-net/schematron-v2-llama-3.2-3b에서 다운로드하여 직접 실행할 수 있습니다.
비용은 얼마이며 컨텍스트 크기는 어떻게 되나요?: Inference.net API 기준 입력 토큰당 100만 토큰에 $0.05, 출력 토큰당 100만 토큰에 $0.23이며, 128,000 토큰 컨텍스트 윈도우를 지원합니다.
추출 지침은 어떻게 주나요?: 시스템이나 사용자 프롬프트로 지침을 주지 않고, response_format 매개변수를 통해 JSON 스키마를 전달해야 하며, 이 스키마가 추출할 내용을 정의합니다.

캡틴의 평가
정밀한 도구: 파이프라인에서 HTML을 저비용으로 깔끔한 JSON으로 변환해야 한다면 Schematron V2 Small이 적합합니다; 다른 용도로는 실망할 수 있습니다.

Hugging Face의 모델 카드

캡틴은 모델의 설명과 모델 카드에서 이 노트를 작성합니다. 가격과 컨텍스트 크기는 작성 시점의 제공자 기준이며 변경될 수 있습니다.

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

이 점수가 어떻게 계산되는지

이 모델은 아직 어떤 출처에서도 인기 데이터가 없어서 7,000° 아래에 임시 점수를 가지고 있어. 이 점수는 목록을 완성하는 데 쓰여. 데이터가 있는 모델보다 절대 순위가 높지 않아. 출처에서 보고가 들어오는 즉시 여기서 세부 내역이 나타나.

용어집: 여기서 쓰는 말들

히트 점수: 모델이 지금 얼마나 쓰이고 원하는지 한 숫자로 나타낸 거야, 0°부터 9,999°까지. 이 사이트에서 가장 인기 있는 목록은 모두 이 점수로 정렬돼.
기본 점수: 실제 데이터가 있는 모든 모델이 시작하는 7,000°야. 점수는 0°부터 9,999°까지인데, 기본 점수 아래는 데이터 없는 모델(대체 모델)용으로 남겨둬서 데이터 있는 모델이 항상 위에 오도록 해. 기본 점수는 모두 같고 아무것도 결정하지 않아; 그 위 점수가 실제 측정치야.
다운로드 동등치: 점수가 다운로드로 취급하는 모든 걸 합친 거야: 실제 다운로드, 토렌트 시더 1,000개씩, AI Horde 이미지와 생성 사이트 실행 1개씩.
로그 스케일: 1씩이 아니라 10씩 세는 거야: 1,000에서 10,000 다운로드가 늘면 10,000에서 100,000 늘어난 것과 같은 점수가 더해져. 큰 모델이 다 차지하는 걸 막아줘.
좋아요: 모든 출처의 좋아요와 엄지척, 로그 스케일에서 다운로드 절반 가치야.
채택률: 두 번 측정한 차이로 계산한 지금 하루 다운로드 수야. 다운로드 항목 무게의 4분의 1이야.
측정 및 추정: 측정은 두 번의 소스 읽기가 존재하고 그 차이가 실제라는 뜻이야. 추정은 오늘의 총합만 알고 과거는 모델의 전체 기간에 나눠서 보여주는 거야; 사이트에서 어떤 걸 보여주는지 알려줘.
시더: 토렌트를 통해 다른 사람이 다운로드할 수 있도록 가중치 파일을 온라인에 보관하는 사람이나 호스팅 미러를 말해. 각각 1,000번 다운로드로 계산돼.
AI 호드: 기부받은 컴퓨터에서 무료로 이미지를 생성하는 자원봉사 네트워크야. 모델로 만든 이미지 수가 공개되고, 각각이 한 번의 다운로드로 계산돼.
생성 사이트: PixAI, SeaArt, Yodayo 같은 모델 복사본을 직접 호스팅하고 사람들이 생성할 수 있게 하는 사이트들이야. 이들의 다운로드는 Civitai와 같고, 생성 한 번이 한 번의 다운로드로 계산돼.
OpenRouter 토큰: Claude나 GPT 같은 API를 통해 제공되는 텍스트 모델은 다운로드할 가중치가 없으므로, 지난 30일간 OpenRouter를 통해 읽고 쓴 텍스트 조각인 토큰 수로 사용량을 측정합니다. 10,000,000 토큰마다 다운로드 1회로 계산합니다. 출처: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
전체 모델 (체크포인트): 가중치 자체, 혼자서 생성하는 파일이야. 애드온이 이걸 기반으로 하기 때문에 보너스 점수를 받아.
LoRA와 임베딩: 다른 사람의 가중치를 특정 스타일, 캐릭터, 개념 쪽으로 조정하는 작은 추가 파일이야. 혼자 실행할 수 없어.
패밀리와 가중치: 모델이 기반으로 하는 것, 예를 들어 SD 1.5, SDXL, Flux, Wan 같은 거야. 모든 모델은 패밀리 가중치의 출시일을 물려받아.
연령: 패밀리 가중치가 나온 지 얼마나 됐는지에 따라 점수를 깎아: 1년에 150°, 최대 750°까지. 오래된 다운로드는 리스트 상단 고정을 풀어 쌓이도록 해.
패밀리 부스트: 이 사이트가 지금 밀고 있는 패밀리의 LoRA에 주는 작고 제한된 점수 조정으로, 항상 세부 내역에 표시돼.
대체 점수: 아직 소스 보고가 없는 모델에 안정적으로 주는 최저 점수로, 리스트가 완전하게 유지되도록 해. 데이터가 있는 모델보다 절대 높게 평가되지 않아.
신규! (유예 기간): 7일 미만의 신규 모델은 점수 대신 '신규!' 표시가 나오며 순위에 포함되지 않습니다. 점수는 첫날부터 계산되지만, 하루 된 모델은 매우 빠르게 성장하므로 유예 기간 없이는 항상 어제 나온 모델이 이번 주 #1이 되어버립니다.
추세: 한 기간 동안 모델의 성장 속도가 같은 기간의 일반 모델 성장 속도와 비교해서 어떤지 보여줘. 일반보다 빠르면 상승, 느리면 하락으로 봐.
일반 모델: 카탈로그의 중간값: 수치가 있는 모델 중 절반은 기간 동안 더 빨리 성장했고, 절반은 더 느리게 성장했어.

유사한 모델

이미지·영상·텍스트 생성을 위한 AI 모델

Schematron V2 Small은(는) Text / LLM 패밀리용 텍스트 모델으로, 오픈 소스 AI 이미지·영상·텍스트 모델의 읽기 전용 카탈로그인 ModelTrends.ai에 등록되어 있습니다. 다른 Text / LLM 모델과 비교하고 열기 점수로 트렌드를 확인해 보세요.

모델 패밀리별로 보기