GPT
הוספת כלי
L

LFM2-1.2B-Extract

קוד פתוח

LiquidAIother2025-08-22

  • transformers
  • safetensors
  • lfm2
  • text-generation
  • liquid

חלון של 128 אלף טוקנים במודל ששוקל 2.2 גיגהבייט בלבד. הוא מחלץ נתונים לא מובנים ישירות למבני מידע בלי לבזבז משאבי ענן כבדים.

  • 1.2Bפרמטרים
  • 128,000טוקנים בהקשר
  • 2.2 GBמשקל הקבצים
  • 2,723הורדות בחודש

מה זה

מדובר במודל קומפקטי שמכוון למשימה אחת בלבד, חילוץ מידע מטקסט חופשי למבנים מסודרים כמו JSON, XML או YAML. המפתחים אימנו אותו בעיקר על דאטה סינתטי מגוון, שכלל אורכים שונים של מסמכים ומיקומים משתנים של המידע בטקסט. המודל מקבל טקסטים ארוכים במיוחד של עד 128 אלף טוקנים, נתון חריג מאוד ביחס לגודל הפיזי שלו.

במבחני הביצועים של החברה, שנערכו מול 5,000 מסמכים ובדקו תקינות תחבירית ונאמנות למקור, המודל עקף לפי הדיווח שלהם אפילו מודל ענק כמו Gemma 3 27B בהפקת אובייקטים מורכבים. זה אומר שבמקום לטעון מפלצת של עשרות גיגהבייט לשרת רק בשביל לקרוא מסמך ולפלוט שדות, מקבלים ביצועי חילוץ תחרותיים מחבילה שרצה כמעט על כל מעבד מודרני.

מתאים ל

  • קריאת חשבוניות מקבצי מייל

    הוא קורא מיילים שלמים וממיר נתוני תשלום ל־JSON מסודר בלי צורך במודל שרת כבד.

  • המרת דוחות רגולציה ל־XML

    חלון ההקשר הענק מאפשר לטעון דוחות שלמים בבת אחת ולחלץ שדות לפי סכמה מוגדרת מראש.

  • פילוח פניות תמיכה ל־YAML

    מאפשר לעבד פניות משתמשים ישירות לתוך צינורות עיבוד נתונים מקומיים במהירות ובזול.

איפה זה נופל

הוא לא מיועד לשיחות. הכרטיס מזהיר במפורש שהאימון נעשה לשימוש בסיבוב יחיד, פנייה ותשובה, כך שאי אפשר לבנות איתו צ'אטבוט או לנהל פינג פונג של תיקונים. בנוסף, עברית בכלל לא מופיעה ברשימת השפות הנתמכות, שכוללת רק אנגלית, ערבית, סינית, צרפתית, גרמנית, יפנית, קוריאנית, פורטוגזית וספרדית. שימוש במסמכים בעברית עלול להיכשל או להחזיר ג'יבריש. האימון התבסס ברובו על דאטה סינתטי, מה שאומר שבמקרים חריגים של מסמכים משובשים מהעולם האמיתי צריך לבדוק היטב שהוא לא ממציא שדות.

אותה משפחה

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

LFM2-1.2B-Extract-GGUF3,968

שאלות
נפוצות

האם המודל תומך במסמכים בעברית?

המודל לא הוכרז כתומך בעברית, והחברה מפרטת רשימה של תשע שפות בלבד שבהן נכללות אנגלית, ערבית ושפות אירופאיות ואסיאתיות נבחרות. טקסטים בעברית עלולים להניב חילוץ שגוי, פורמט שבור או הזיות, ולכן לא מומלץ להסתמך עליו לטקסט מקומי בלי לבדוק אותו תחילה.

למה שהמודל הזה יהיה עדיף על מודל כללי גדול?

הוא אומן באופן צר לחלץ נתונים ולפלוט תחביר תקין של קבצי מבנה. לפי המפתחים, במשימה הזו הוא עוקף מודלים גדולים ממנו בהרבה, בזמן שהוא דורש רק 2.2 גיגהבייט זיכרון ומאפשר ריצה מקומית מהירה וזולה.

אפשר לתקן את הפלט שלו באמצעות הודעת המשך בצ'אט?

לא, המודל אומן לתקשורת של סיבוב בודד בלבד. אם הפלט לא תואם לסכמה הרצויה, צריך לשנות את פרומפט המערכת או את הדוגמה שניתנה לו ולהריץ את הבקשה מחדש, ולא לנסות להתווכח איתו בצ'אט.

איך מריצים

המודל שוקל כ־2.2 גיגהבייט בפורמט bfloat16, כך שכרטיס מסך ביתי צנוע עם 4 עד 6 גיגהבייט זיכרון יריץ אותו בקלות בלי קוונטיזציה אגרסיבית. יש לו גם גרסת GGUF שמתאימה ישירות ל־llama.cpp, מה שמאפשר להריץ אותו ישירות על מעבד של מחשב נייד או תחנת קצה.

חובה לעבוד בטמפרטורה אפס ולהשתמש ב־greedy decoding, בדיוק כפי שהיוצרים דורשים. אם כל מה שאתם צריכים זה לפרק קובץ מזדמן פעם בשעה, חבל להחזיק תשתית דולקת ועדיף לשלוח קריאה ל־API חיצוני. הריצה המקומית משתלמת ברגע שיש זרימה קבועה של מסמכים שצריך לעבד מקומית מטעמי פרטיות או עלויות שוטפות.

from transformers import pipeline

pipe = pipeline("text-generation", model="LiquidAI/LFM2-1.2B-Extract")
print(pipe("שלום"))

הקבצים

10 קבצים במאגר, 2.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר בתור other ולא רישיון קוד פתוח סטנדרטי כמו MIT או Apache. המשמעות היא שחייבים לפנות למסמך הרישיון המקורי או ליוצרים כדי להבין האם מותר להטמיע אותו במוצר מסחרי ואילו הגבלות חלות על שימוש כזה. בלי בדיקה של התנאים המדויקים, הטמעה במוצר מסחרי מייצרת סיכון משפטי.

הרישיון המלא בעמוד המודל ↗