LFM2-1.2B-Extract-GGUF

קוד פתוח

LiquidAIother2025-09-05

transformers
gguf
liquid
lfm2
edge

גרסה קטנה וממוקדת של 1.2 מיליארד פרמטרים שמיועדת לדבר אחד בלבד, שליפת מידע מטקסט חופשי והפיכתו למבנה נתונים מסודר. שווה לבדוק אותה כשרוצים לחלץ נתונים מקומית בלי לטחון זיכרון.

6.4 GBמשקל הקבצים
3,968הורדות בחודש
44לייקים

מה זה

מדובר בהתאמה ייעודית של LFM2 שמכוונת נטו להמרת טקסט לא מובנה, כמו תמלילים, מאמרים או דוחות, לפורמטים כמו JSON, XML או YAML. במקום לנסות להיות מודל שיחה כללי שיודע לכתוב שירים או לנחש קוד, הוא אומן ישירות על משימות אקסטרקציה, מה שמאפשר לו לעבוד בצורה ממוקדת מאוד למרות הגודל הצנוע שלו.

היתרון המרכזי כאן הוא היעילות. כשמריצים מודלים כלליים קטנים לחילוץ נתונים הם נוטים לפספס שדות, לשבור את התחביר של ה־JSON או להמציא ערכים, וכאן יש ניסיון לתת מענה ממוקד מראש ברמת המשקל הזו בלי שתצטרכו להחזיק מפלצת באוויר.

מתאים ל

חילוץ חשבוניות ממיילים
ממיר פרטי תשלום, סכומים ותאריכים ממיילים של ספקים לתוך אובייקט JSON מסודר ישירות למסד הנתונים.
עיבוד פניות תמיכה
מפרק פניות של לקוחות לקובצי YAML עם שדות ברורים של דחיפות, סוג תקלה ומזהה לקוח לטובת ניתוח פנימי.
בניית גרף ידע
שולף ישויות, מאפיינים וקשרים מתוך דוחות לא מובנים לצורך הזנה שוטפת של מערכות ידע ארגוניות.

איפה זה נופל

הכרטיס לא מציג מדדי ביצועים או השוואות מספריות, ולכן קשה לדעת מראש מה רמת הדיוק שלו על מסמכים מורכבים במיוחד. מודל של 1.2 מיליארד פרמטרים עלול לפספס תלויות ארוכות בטקסט או להתקשות מול מבנים חריגים. בנוסף, עברית לא מופיעה ברשימת השפות הנתמכות שכוללת שמונה שפות אחרות, כך שאם המסמכים שלכם בעברית הוא כנראה לא יתאים לכם בכלל.

אותה משפחה

LFM2-1.2B-Extract יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

LFM2-1.2B-Extract2,723

שאלות
נפוצות

האם המודל תומך במסמכים בעברית?

השפות שצוינו במפורש הן אנגלית, ערבית, סינית, צרפתית, גרמנית, יפנית, קוריאנית וספרדית. עברית לא מופיעה ברשימה, ולכן יש סבירות גבוהה מאוד שהוא ייכשל בחילוץ מדויק מטקסטים בעברית.

מה נותנת לי גרסת ה־GGUF לעומת המודל הרגיל?

קבצי GGUF מותאמים במיוחד לריצה יעילה דרך ספריות כמו llama.cpp על מעבדים מקומיים. זה מאפשר לכם להריץ אותו בקלות על חומרה ביתית או על שרתים פשוטים בלי להסתבך עם התקנת סביבות פייתון כבדות או דרישות לכרטיסי מסך יקרים.

איך מריצים

המשקל הכולל של הקבצים עומד על 6.4 גיגה בייט בפורמט GGUF, מה שאומר שאתם מריצים אותו ישירות דרך llama.cpp בפקודה אחת פשוטה מול Hugging Face. אין פה צורך בכרטיס מסך מפלצתי, הוא ירוץ בקלות על מעבד סביר של לפטופ או שרת ענן פשוט וזול בלי לחנוק את ה־RAM.

אם אתם צריכים לחלץ נתונים ממאות אלפי מסמכים ביום בעומס גבוה ומורכב, או שאין לכם כוח לנהל את התשתית והשרתים בעצמכם, עדיף להשתמש ב־API חיצוני. לריצה מקומית על מחשב קצה או עיבוד פנימי מאובטח, הפתרון הזה סוגר את הפינה בלי עלויות ענן שוטפות.

ollama run hf.co/LiquidAI/LFM2-1.2B-Extract-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

F162.3 GB Q8_01.2 GB Q6_K962.8 MB Q5_K_M843.4 MB Q4_K_M730.9 MB Q4_0695.8 MB

הקבצים

13 קבצים במאגר, 6.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כ־other ולא כרישיון קוד פתוח סטנדרטי כמו Apache או MIT. זה אומר שאי אפשר להניח אוטומטית שמותר להשתמש בו במוצר מסחרי, וצריך לבדוק את תנאי הרישיון המקוריים באתר של LiquidAI לפני שמשלבים אותו בקוד או מוכרים שירות סביבו.

הרישיון המלא בעמוד המודל ↗