Posso rodar o Schematron V2 Small localmente?

Sim — os pesos são abertos e hospedados no Hugging Face em inference-net/schematron-v2-llama-3.2-3b, então você pode baixar e rodar por conta própria.

Quanto custa e qual é a janela de contexto?

Via Inference.net, a API custa $0,05 por milhão de tokens de entrada e $0,23 por milhão de tokens de saída, com uma janela de contexto de 128.000 tokens.

Como dou instruções de extração?

Você não usa prompts de sistema ou usuário para instruções — o modelo espera um esquema JSON fornecido pelo parâmetro response_format, e esse esquema define o que ele extrai.

Schematron V2 Small

3712°

#llm #inference-net #extração de dados #local #orçamento #rápido

Executar modelo

Ofertas / Anúncios

OpenRouter Terminal / API

Pague por token

Converse com este modelo no navegador ou chame-o do seu código com uma chave API.

Inference.net | contexto de 128.000 tokens | $0,05/M entrada, $0,23/M saída. Schematron V2 Small é um modelo de extração HTML-para-JSON de 3 bilhões de parâmetros da Inference.net. Prioriza qualidade de extração para esquemas complexos e páginas longas. As instruções de extração devem ser fornecidas via um esquema JSON em response_format, em vez de prompts do sistema ou do usuário.

Guias para este modelo

Ollama vs LM Studio (2026): qual app de IA local usar e quais os melhores modelos que cada um roda

O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)

Todos os guias

Notas do capitão

Escrito por Captain, o editor da casa

Notas de 2026-10-13

Schematron V2 Small é um modelo de 3 bilhões de parâmetros da Inference.net construído para uma única tarefa: extrair dados estruturados de HTML e retornar em JSON. Com 3B parâmetros, mantém-se enxuto e barato, enquanto a geração V2 foca na qualidade da extração em esquemas complexos e páginas longas. Se você está raspando, analisando ou canalizando conteúdo web para um pipeline, este é feito sob medida para esse trabalho.

Conhecido por

Extração estruturada de HTML para JSON como único foco
Lida com esquemas complexos e páginas HTML longas sem degradação
Janela de contexto de 128.000 tokens que cobre a maioria das páginas reais
Pesos abertos disponíveis no Hugging Face para implantação local
Custo de API muito baixo: frações de centavo por página em tamanhos típicos

Fique atento a

Instruções devem ser passadas via um esquema JSON no response_format — prompts de sistema e usuário não são usados para dirigir este modelo.
Especialista estreito: faz uma coisa bem e não é um assistente de propósito geral.
Termos de licença não são publicados pelo fabricante; verifique o repositório Hugging Face antes do uso comercial.

Melhor para

Sugestões para tentar

Extrair dados de produto

Cole o HTML bruto de uma página de produto de e-commerce abaixo. Use response_format com um esquema JSON que capture: nome do produto, preço, moeda, status de disponibilidade, características em tópicos como array e a URL da primeira imagem. Retorne apenas o objeto JSON, sem comentários.

Analisar uma notícia

Aqui está o HTML completo de uma notícia. Use response_format com um esquema que extraia: título, nome do autor, data de publicação em ISO 8601, texto do corpo como uma única string e todos os hyperlinks do corpo como um array de objetos com texto âncora e href.

Raspar uma vaga de emprego

Abaixo está o HTML de uma página de vaga de emprego. Use response_format com um esquema que capture: título do trabalho, nome da empresa, localização, faixa salarial se presente, tipo de emprego, habilidades requeridas como array e a descrição completa do trabalho em texto simples sem tags HTML.

Comparar com

Schematron V2 Turbo
Modelo com pesos abertos
Contexto de 128,000 tokens · entrada $0.03/M, saída $0.15/M
Gemini 3.1 Flash Lite
Modelo apenas para API
Contexto de 1,048,576 tokens · entrada $0.25/M, saída $1.50/M
GPT-5.4 Nano
Modelo apenas para API
Contexto de 400,000 tokens · entrada $0.20/M, saída $1.25/M
GPT-5.6 Luna
Modelo apenas para API
Contexto de 1,050,000 tokens · entrada $0.20/M, saída $1.20/M

Mais modelos de texto de inference-net

Perguntas frequentes

Posso rodar o Schematron V2 Small localmente?: Sim — os pesos são abertos e hospedados no Hugging Face em inference-net/schematron-v2-llama-3.2-3b, então você pode baixar e rodar por conta própria.
Quanto custa e qual é a janela de contexto?: Via Inference.net, a API custa $0,05 por milhão de tokens de entrada e $0,23 por milhão de tokens de saída, com uma janela de contexto de 128.000 tokens.
Como dou instruções de extração?: Você não usa prompts de sistema ou usuário para instruções — o modelo espera um esquema JSON fornecido pelo parâmetro response_format, e esse esquema define o que ele extrai.

Veredito do capitão
Uma ferramenta cirúrgica: se seu pipeline precisa transformar HTML em JSON limpo a baixo custo, o Schematron V2 Small merece seu lugar; peça qualquer outra coisa e ficará desapontado.

Ficha do modelo no Hugging Face

O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.

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

Como essa pontuação é calculada

Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.

Glossário: os termos usados aqui

Pontuação heat: Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo: Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads: Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica: Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes: Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção: Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado: Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder: Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde: Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração: Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter: Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding: Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos: A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade: Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família: Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória: Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência): Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência: Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico: O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.

Modelos semelhantes

Qwen3 VL 32B Instruct

TEXT / LLM

Hy3

TEXT / LLM

Modelos de IA para geração de imagem, vídeo e texto

Schematron V2 Small é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.

Mais modelos Text / LLM Mais Texto / LLM Text / LLM llm inference-net extração de dados local orçamento rápido

Navegar por família de modelos