Inference.net: Schematron V2 Small

inference-net/schematron-v2-small

Выпущена 12 сентября 2026 г.|128К контекст|6,31 ₽/М вход|29,03 ₽/М выход

Schematron V2 Small — это модель для извлечения HTML в JSON с 3 миллиардами параметров от Inference.net. Она ориентирована на качество извлечения для сложных схем и длинных страниц. Инструкции по извлечению должны быть предоставлены через JSON-схему в response_format, а не через системные или пользовательские prompt'ы.

Провайдер для Inference.net: Schematron V2 Small

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

inference-net

Latency

—

Throughput

—

Uptime

—

Контекст

128К

токенов

Макс. ответ

4К

токенов

Вход

6,31 ₽

за 1М токенов

Выход

29,03 ₽

за 1М токенов

Модальности

Вход:ТекстВыход:Текст

Провайдеры

Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.


InferenceNet	6,31 ₽	29,03 ₽	—	—	100,0 %

Поддерживаемые параметры

frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyresponse_formatseedstopstructured_outputstemperaturetop_ktop_p

Тарификация для Inference.net: Schematron V2 Small

Цены в рублях за 1 млн токенов. Списание — за реальные токены, без подписок.

Тип	Цена в ₽	Единица
Вход	6,31 ₽	за 1М токенов
Выход	29,03 ₽	за 1М токенов

Пример кода и API для Inference.net: Schematron V2 Small

Hubris — OpenAI-совместимый API. Используйте любой OpenAI SDK, поменяв только base URL и ключ.

Получить API-ключ

curl https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "inference-net/schematron-v2-small",
    "messages": [{"role": "user", "content": "Привет"}]
  }'

curl https://api.hubris.pw/v1/chat/completions \  -H "Authorization: Bearer sk-gw-..." \  -H "Content-Type: application/json" \  -d '{    "model": "inference-net/schematron-v2-small",    "messages": [{"role": "user", "content": "Привет"}]  }'

from openai import OpenAI

client = OpenAI(
    base_url="https://api.hubris.pw/v1",
    api_key="sk-gw-...",
)

response = client.chat.completions.create(
    model="inference-net/schematron-v2-small",
    messages=[{"role": "user", "content": "Привет"}],
)
print(response.choices[0].message.content)

from openai import OpenAIclient = OpenAI(    base_url="https://api.hubris.pw/v1",    api_key="sk-gw-...",)response = client.chat.completions.create(    model="inference-net/schematron-v2-small",    messages=[{"role": "user", "content": "Привет"}],)print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.hubris.pw/v1",
  apiKey: process.env.HUBRIS_API_KEY!,
});

const response = await client.chat.completions.create({
  model: "inference-net/schematron-v2-small",
  messages: [{ role: "user", content: "Привет" }],
});

console.log(response.choices[0].message.content);

import OpenAI from "openai";const client = new OpenAI({  baseURL: "https://api.hubris.pw/v1",  apiKey: process.env.HUBRIS_API_KEY!,});const response = await client.chat.completions.create({  model: "inference-net/schematron-v2-small",  messages: [{ role: "user", content: "Привет" }],});console.log(response.choices[0].message.content);

Сравнить с…

выбрать любую модель →

Schematron V2 Small или Schematron V2 Turboтой же линейки · цена, скорость, качество, код Schematron V2 Small или DeepSeek V4 Flash 0423близкая по цене · цена, скорость, качество, код Schematron V2 Small или Claude Sonnet 5популярная · цена, скорость, качество, код Schematron V2 Small или DeepSeek V4 Flash 0731популярная · цена, скорость, качество, код

Другие модели от inference-net

Inference.net: Schematron V2 Turbo

Schematron V2 Turbo — это модель для извлечения HTML в JSON с 3 миллиардами параметров от Inference.net. Она ориентирована на пропускную способность для рабочих нагрузок с большим объемом извлечения данных. Инструкции по извлечению должны быть предоставлены через JSON-схему в `response_format`, а не через системные или пользовательские prompt'ы.

128К контекст·от 3,79 ₽/М