LFM2-350M-Extract-GGUF

קוד פתוח

LiquidAIother2025-09-05

transformers
gguf
liquid
lfm2
edge

מודל זעיר שחולץ מידע מטקסט חופשי וממיר אותו למבנים כמו JSON או XML. הוא מיועד למי שחייב עיבוד מקומי קל בלי לגעת בשרתים חיצוניים.

1.9 GBמשקל הקבצים
3,541הורדות בחודש
38לייקים

מה זה

במקום לנסות לכתוב שירים או לענות על שאלות כלליות, הוא מתמקד רק בחילוץ נתונים מתוך מסמכים לא מובנים כמו תמלילים, מאמרים ודוחות. המטרה שלו היא לקחת את הטקסט הגולמי ולפלוט אותו בפורמטים מוגדרים כמו JSON, YAML או XML.

עם משקל כולל של 1.9 גיגה בייט שמחולק לקובצי GGUF, הוא מבוסס על LFM2-350M ונבנה למשימה אחת בלבד. הוא תומך בכמה שפות מרכזיות כמו אנגלית, ערבית, ספרדית, צרפתית, גרמנית, סינית, יפנית וקוריאנית, כך שהוא מיועד לעבוד ישירות על מכשירי קצה בלי תלות ברשת.

מתאים ל

חילוץ נתוני חשבוניות
ממיר פרטי תשלום וחשבוניות ממיילים ישירות ל־JSON מובנה בלי לשלוח מידע כספי החוצה.
פילוח פניות תמיכה
הופך פניות לקוחות לקובצי YAML מסודרים עבור מערכות אנליטיקה פנימיות.
הזנת גרפי ידע
שולף ישויות ומאפיינים מתוך דוחות גולמיים לצורך בניית בסיסי נתונים.

איפה זה נופל

גודל של 350 מיליון פרמטרים גובה מחיר ביכולת ההבנה של מסמכים ארוכים ומורכבים. הוא לא בנוי לטקסטים מפותלים שדורשים הסקת מסקנות עמוקה, ובטקסט צפוף או לא ברור הוא עלול לפספס שדות קריטיים או להמציא מפתחות במבנה הפלט. בנוסף, עברית בכלל לא מופיעה ברשימת השפות הנתמכות שלו, מה שאומר שחילוץ מטקסט מקומי כנראה ייכשל לחלוטין או ייצר תוצאות משובשות.

אותה משפחה

LFM2-350M-Extract יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

LFM2-350M-Extract1,170

שאלות
נפוצות

האם הוא מתאים לעיבוד מסמכים בעברית?

לא. רשימת השפות הרשמית כוללת אנגלית, ערבית, שפות אירופאיות ומזרח אסייתיות, אך עברית נעדרת לחלוטין. ניסיון לחלץ נתונים מטקסט עברי יוביל כמעט בוודאות לטעויות קשות או לפלט שבור.

האם המודל דורש כרטיס מסך חזק כדי לעבוד?

ממש לא. מדובר במודל ששוקל פחות משני גיגה בייט בפורמט GGUF, כך שהוא תוכנן לרוץ בקלות על גבי המעבד הרגיל כמעט בכל חומרה מודרנית דרך llama.cpp.

איך מריצים

ההרצה שלו פשוטה ויכולה להתבצע ישירות דרך llama-cli של פרויקט llama.cpp, עם פקודה אחת שמורידה את הקבצים. בזכות הגודל הזעיר, אין פה שום צורך בכרטיס מסך ייעודי, ומעבד מודרני בכל מחשב נייד או שרת בסיסי יריץ אותו בלי להזיע.

אם כל מה שאתם צריכים זה לעבד כמה מסמכים פעם בשבוע, כנראה שפנייה ל־API מבוסס ענן תהיה מהירה יותר להקמה. הריצה המקומית הזו משתלמת ברגע שיש לכם דרישות של פרטיות, היעדר חיבור לרשת, או עיבוד רציף בכמויות שלא רוצים לשלם עליהן פר טוקן.

ollama run hf.co/LiquidAI/LFM2-350M-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.

F16711.5 MB Q8_0379.2 MB Q6_K293.4 MB Q5_K_M260.4 MB Q4_K_M229.3 MB Q4_0219.3 MB

הקבצים

13 קבצים במאגר, 1.9 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כ־other בלבד, בלי פירוט של תנאי שימוש חופשיים או קוד פתוח מוכר. המשמעות היא שאי אפשר לשלב אותו במוצר מסחרי בלי לקרוא היטב את תנאי השימוש באתר של LiquidAI ולוודא שהם לא מגבילים הפצה או שימוש מסחרי ישיר.

הרישיון המלא בעמוד המודל ↗