何时使用 GLiNER 2.5
当抽取或多语言覆盖是任务核心时，请使用 GLiNER2.5 Multi。- 实体抽取：从自由文本中抽取人物、组织、产品、地点或特定领域的实体（药物、剂量、条款），并附带字符偏移量和置信度分数。
- 结构化记录：将 “Alice bought apples and Bob bought oranges” 转换为
[{"buyer": "Alice", "item": "apples"}, {"buyer": "Bob", "item": "oranges"}]，并保持每个实例的字段相互关联。 - 关系与知识图谱抽取：抽取带类型的实体-关系图（
works_for、located_in），用于智能体记忆或知识库。 - 跨度属性：在抽取的同一次处理中，为每个抽取出的实体标注属性，例如针对每个人物的情感。
- 长文档：处理最多 4,096 tokens 的编码上下文，并对更长的文档进行分块和偏移量重映射。
- 一次执行多个任务：在一次受 schema 约束的调用中组合实体、分类、结构和关系，而无需串联多个模型请求。
- 一致的输出：当标签和关系端点必须保持一致时，使用受约束分类或联合实体关系解码。
如何使用 GLiNER 2.5
通过 Fastino 兼容 OpenAI 的推理端点调用多语言检查点。将文本放在用户消息中，并在schema 中描述任务：
schema 中添加 classifications、structures 或 relations 键，即可在一次调用中对同一段文本运行多个任务。有关完整的请求和响应约定（包括结构化记录和关系 schema），请参阅 推理 API 参考。
使用 GLiNER2.5 Multi 进行受约束分类
当多个答案必须共同构成一个有效决策时，请使用受约束分类。经典classifications 会独立地为每个任务做出选择，而受约束解码器会搜索满足所声明规则的联合分配。
GLiNER2.5 Multi 支持三种任务形式：
每个任务都可以包含答案描述、指令和带标签的示例。这些字段为编码器评分提供上下文，同时输出仍仅限于所声明的答案。
约束将这些任务结果关联起来：
结果包含每个任务选中的答案、答案概率、置信度以及
_meta.feasible。当各任务独立的最高选项会违反规则时，约束可能会选择概率较低的答案。约束用于保证一致性；它们不会提高或重新校准概率或置信度。
对于单一答案任务和有序任务，置信度是所选答案的概率。对于多个答案任务，置信度是每个已选答案概率与每个未选答案补值（1 - probability）的几何平均数。没有默认值且结果为空的多个答案任务没有置信度值。
有关完整的托管请求、支持的 schema 字段、约束和响应，请参阅受约束分类 API 示例。
了解 GLiNER2.5
阅读其架构、基准测试和使用场景。
GLiNER-2.5-Decide
对于运营决策，请使用针对英文分类调优的模型。
查看模型目录
浏览 Fastino 模型及其模型 ID。
推理 API 参考
完整的请求和响应约定，包括结构化记录和关系。