> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# GLiNER

> Vergleichen Sie GLiNER2.5, GLiNER2 und GLiNER für effiziente Informationsextraktion.

GLiNER ist eine Open-Source-Familie kleiner Sprachmodelle für effiziente Informationsextraktion.

## GLiNER2.5

GLiNER2.5 ersetzt die Span-Enumeration durch eine Architektur zur Grenzvorhersage. Es unterstützt Spans beliebiger Länge innerhalb des Modellkontexts, Extraktion aus langem Kontext, gemeinsame Entitäts- und Relationsextraktion, regelbasierte Klassifikation sowie Span-Attribute. Es bleibt kompakt und kann ohne GPU laufen.

* **Unbegrenzte Span-Länge** — Extrahieren Sie vollständige Adressen, juristische Verweise und andere lange Entitäten, ohne eine maximale Span-Breite konfigurieren zu müssen.
* **Regelbasierte Klassifikation** — Definieren Sie Regeln aufgabenübergreifend, um widersprüchliche Label-Kombinationen zu verhindern.
* **Span-Attribute** — Klassifizieren Sie extrahierte Spans im selben Vorwärtsdurchlauf nach Attributen wie Sentiment, Schweregrad oder Negation.
* **Extraktion aus langem Kontext** — Verarbeiten Sie Verträge, Berichte und Transkripte mit einem Kontext von 4.096 Wörtern und teilen Sie längere Dokumente auf, ohne die Offsets zu verlieren.
* **Gemeinsame Informationsextraktion** — Extrahieren Sie Entitäten und Relationen als einen schema-gebundenen Graphen für Wissensdatenbanken und Agenten-Speicher.

## GLiNER-Generationen vergleichen

|                          | GLiNER2.5                               | GLiNER2                                       | GLiNER                |
| ------------------------ | --------------------------------------- | --------------------------------------------- | --------------------- |
| Architektur              | Grenzvorhersage                         | Span-Enumeration                              | Span-Enumeration      |
| Hauptverwendung          | Regelbewusste strukturierte Extraktion  | Entitätsextraktion und strukturiertes Parsing | Open-Vocabulary-NER   |
| Modellgrößen             | 74M Small, 194M Base, 287M Multilingual | 205M Base, 300M Multilingual                  | 50M Small, 90M Medium |
| Eingabekontext           | 4.096 Wörter                            | 2.048 Tokens                                  | 512 Tokens            |
| Maximale Span-Länge      | Keine feste Obergrenze                  | 8 Wörter                                      | 12 Wörter             |
| Textklassifikation       | Ja, mit aufgabenübergreifenden Regeln   | Ja                                            | Nein                  |
| Strukturierte Extraktion | Ja                                      | Ja                                            | Nein                  |
| Relationsextraktion      | Ja                                      | Ja                                            | Nein                  |
| Span-Attribute           | Ja                                      | Nein                                          | Nein                  |

GLiNER2.5 ist der empfohlene Ausgangspunkt für neue Extraktionsprojekte. Verwenden Sie GLiNER2 für bestehende schemabasierte Integrationen und das ursprüngliche GLiNER für Open-Vocabulary-NER-Checkpoints, die auf dem Paket der ersten Generation aufbauen.

<CardGroup cols={2}>
  <Card title="GLiNER2.5 erkunden" icon="sparkles" href="https://fastino.ai/models/gliner2-5">
    Lesen Sie über die Architektur, Benchmarks und Anwendungsfälle.
  </Card>

  <Card title="Modellkatalog ansehen" icon="table-list" href="/de/concepts/models">
    Durchsuchen Sie Fastino-Modelle und ihre Modell-IDs.
  </Card>
</CardGroup>