Schematron V2 Small
3712°
Ejecutar este modelo
Ofertas / Anuncios
Inference.net | contexto de 128,000 tokens | $0.05/M entrada, $0.23/M salida. Schematron V2 Small es un modelo de extracción HTML a JSON de 3 mil millones de parámetros de Inference.net. Prioriza la calidad de extracción para esquemas complejos y páginas largas. Las instrucciones de extracción deben suministrarse mediante un esquema JSON en response_format en lugar de a través de prompts de sistema o usuario.
Guías para este modelo
Ollama vs LM Studio (2026): qué app local de IA usar y qué modelos principales corre cada una
¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)
Notas del capitán
Notas del 2026-10-13
Schematron V2 Small es un modelo de 3 mil millones de parámetros de Inference.net construido para una tarea específica: extraer datos estructurados de HTML y devolverlos en formato JSON. Con 3B de parámetros se mantiene ligero y económico, mientras que la generación V2 apunta a una calidad de extracción en esquemas complejos y páginas largas. Si estás raspando, analizando o canalizando contenido web en una tubería, este modelo está diseñado para ese trabajo.
Conocido por
- Extracción estructurada de HTML a JSON como único enfoque
- Maneja esquemas complejos y páginas HTML largas sin degradación
- Ventana de contexto de 128,000 tokens que cubre la mayoría de páginas reales
- Pesos abiertos disponibles en Hugging Face para despliegue local
- Costo muy bajo en API: fracciones de centavo por página en tamaños típicos
Cuidado con
- Las instrucciones deben pasar por un esquema JSON en response_format — los prompts de sistema y usuario no son la forma de manejar este modelo.
- Especialista muy específico: hace bien una sola cosa y no es un asistente de propósito general.
- Los términos de licencia no son publicados por el creador; verifica el repositorio de Hugging Face antes de uso comercial.
Prompts para probar
Extraer datos de producto
Pega el HTML bruto de una página de producto de comercio electrónico a continuación. Usa response_format con un esquema JSON que capture: nombre del producto, precio, moneda, estado de disponibilidad, características en viñetas como un arreglo, y la URL de la primera imagen. Devuelve solo el objeto JSON, sin comentarios.
Analizar un artículo de noticias
Aquí está el HTML completo de un artículo de noticias. Usa response_format con un esquema que extraiga: titular, nombre del autor, fecha de publicación en formato ISO 8601, texto del cuerpo como una cadena única, y todos los hipervínculos en el cuerpo como un arreglo de objetos con texto ancla y href.
Raspar una oferta de empleo
A continuación está el HTML de una página de oferta de empleo. Usa response_format con un esquema que capture: título del trabajo, nombre de la empresa, ubicación, rango salarial si está presente, tipo de empleo, habilidades requeridas como un arreglo, y la descripción completa del trabajo como texto plano sin etiquetas HTML.
Comparar con
- Schematron V2 TurboModelo con pesos abiertosContexto de 128,000 tokens · $0.03/M entrada, $0.15/M salida
- Gemini 3.1 Flash LiteModelo solo APIContexto de 1,048,576 tokens · $0.25/M entrada, $1.50/M salida
- GPT-5.4 NanoModelo solo APIContexto de 400,000 tokens · $0.20/M entrada, $1.25/M salida
- GPT-5.6 LunaModelo solo APIContexto de 1,050,000 tokens · $0.20/M entrada, $1.20/M salida
Más modelos de texto de inference-net
Preguntas frecuentes
- ¿Puedo ejecutar Schematron V2 Small localmente?
- Sí — los pesos son abiertos y están alojados en Hugging Face bajo inference-net/schematron-v2-llama-3.2-3b, así que puedes descargarlos y ejecutarlos tú mismo.
- ¿Cuánto cuesta y cuánta capacidad de contexto tiene?
- A través de Inference.net la API cuesta $0.05 por millón de tokens de entrada y $0.23 por millón de tokens de salida, con una ventana de contexto de 128,000 tokens.
- ¿Cómo le doy instrucciones de extracción?
- No usas prompts de sistema o usuario para las instrucciones — el modelo espera un esquema JSON suministrado a través del parámetro response_format, y ese esquema define qué extrae.
Veredicto del capitánUna herramienta quirúrgica: si tu pipeline necesita convertir HTML en JSON limpio a bajo costo, Schematron V2 Small merece su lugar; pregúntale cualquier otra cosa y te decepcionarás.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Schematron V2 Small es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllminference-netextracción de datoslocalpresupuestorápido
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153