Schematron V2 Small
3712°
Inference.net | 128,000 代幣上下文 | 輸入 $0.05/M，輸出 $0.23/M。Schematron V2 Small 是 Inference.net 推出的 30 億參數 HTML 轉 JSON 擷取模型，優先考量複雜結構與長頁面的擷取品質。擷取指令必須透過 response_format 中的 JSON schema 提供，而非系統或使用者提示。
本模型的指南
全部指南
船長筆記
2026-10-13 的筆記
Schematron V2 Small 是 Inference.net 推出的 30 億參數模型，專注於一件事：從 HTML 中擷取結構化資料並以 JSON 回傳。30 億參數讓它保持精簡且低成本，V2 版本針對複雜結構與長頁面提升擷取品質。如果你需要抓取、解析或將網頁內容導入流程，這是專門為此打造的工具。
以...聞名
- 專注於結構化 HTML 轉 JSON 擷取
- 能處理複雜結構與長 HTML 頁面且不降質
- 128,000 代幣上下文視窗，適合大多數實務頁面
- 開放權重可於 Hugging Face 本地部署
- API 成本極低：典型頁面每頁僅需不到一分錢
注意
- 指令必須透過 response_format 的 JSON schema 傳遞，非以 system 或 user prompt 控制。
- 專業領域狹窄：只擅長一件事，非通用助理。
- 製造商未公布授權條款，商業使用前請查閱 Hugging Face 倉庫。
可嘗試的提示詞
擷取產品資料
請貼上電商產品頁的原始 HTML。使用 response_format 搭配 JSON schema 擷取：產品名稱、價格、貨幣、庫存狀態、以陣列呈現的重點特色，以及第一張圖片 URL。僅回傳 JSON 物件，勿附註解。
解析新聞文章
這是新聞文章完整 HTML。使用 response_format 搭配 schema 擷取：標題、作者名、ISO 8601 格式發佈日期、全文文字，以及正文中所有超連結（包含錨點文字與 href）陣列。
擷取職缺列表
以下是職缺頁面 HTML。使用 response_format 搭配 schema 擷取：職稱、公司名、地點、若有則薪資範圍、聘用類型、以陣列呈現的必備技能，以及去除 HTML 標籤的完整職缺描述純文字。
比較
- Schematron V2 Turbo開放權重模型128,000 代幣上下文 · $0.03/M 輸入，$0.15/M 輸出
- Gemini 3.1 Flash Lite僅限 API 模型1,048,576 代幣上下文 · $0.25/M 輸入，$1.50/M 輸出
- GPT-5.4 Nano僅限 API 模型400,000 代幣上下文 · $0.20/M 輸入，$1.25/M 輸出
- GPT-5.6 Luna僅限 API 模型1,050,000 代幣上下文 · $0.20/M 輸入，$1.20/M 輸出
更多來自 inference-net 的文字模型
常見問題
- 我可以本地執行 Schematron V2 Small 嗎？
- 可以 — 權重開放並托管於 Hugging Face，路徑為 inference-net/schematron-v2-llama-3.2-3b，可下載自行運行。
- 價格與上下文視窗為何？
- Inference.net API 定價為每百萬輸入代幣 0.05 美元，輸出代幣 0.23 美元，上下文視窗為 128,000 代幣。
- 如何給予擷取指令？
- 不使用 system 或 user prompt 指令，模型期待透過 response_format 參數提供 JSON schema，該 schema 定義擷取內容。
船長評語一把精準工具：若你的流程需要低成本將 HTML 轉成乾淨 JSON，Schematron V2 Small 是不二之選；若問它其他問題，則會失望。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
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.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
Schematron V2 Small 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153