> ## 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.

> ## Agent Instructions
> Use https://docs.fastino.ai/llms.txt to discover and navigate pages. Use https://docs.fastino.ai/llms-full.txt when you need the complete documentation corpus. Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing routes. For GLiDE decision inference, call POST https://api.fastino.ai/v1/systemone with model fastino/GLiDE. Do not infer undocumented routes. Read API keys from FASTINO_API_KEY and never embed credentials in code, logs, or reports.

# Inférence GLiNER-2 native

> Exécutez une extraction et une classification GLiNER-2 natives et synchrones avec le schéma GLiNER unifié, avec des exemples d'entités et de classification.

`POST /v1/gliner-2`

Exécutez une extraction et une classification GLiNER-2 natives et synchrones. Le panneau OpenAPI de cette
page est la source de vérité pour chaque champ de requête et de réponse.

Utilisez `POST /v1/chat/completions` lorsque vous avez besoin d'un modèle hébergé nommé, d'un modèle fine-tuné,
de la persistance des inférences ou de l'enveloppe compatible OpenAI. Cet endpoint natif sélectionne pour vous
le modèle de base Fastino GLiNER-2.

## Schéma de requête

La requête exige :

* `text` : une chaîne ou un tableau de chaînes.
* `schema` : le dictionnaire de schéma GLiNER unifié. L'ancien tableau plat d'étiquettes est obsolète.

Elle accepte également `threshold`, `include_confidence`, `include_spans` et `format_results`.
Omettez `task` : il s'agit d'un ancien indice obsolète, et le schéma identifie l'opération.

## Exemple d'extraction d'entités

```bash theme={null}
curl -X POST "https://api.fastino.ai/v1/gliner-2" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Apple CEO Tim Cook introduced the iPhone in Cupertino.",
    "schema": {
      "entities": [
        {"name": "person", "description": "named individual"},
        {"name": "organization", "description": "business or institution"},
        {"name": "product", "description": "named commercial product"},
        {"name": "location", "description": "city, region, or place"}
      ]
    },
    "threshold": 0.5,
    "include_confidence": true,
    "include_spans": true
  }'
```

## Exemple de classification

```bash theme={null}
curl -X POST "https://api.fastino.ai/v1/gliner-2" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "The replacement arrived quickly and works perfectly.",
    "schema": {
      "classifications": [
        {
          "task": "sentiment",
          "labels": ["positive", "negative", "neutral"],
          "multi_label": false,
          "top_k": 1
        }
      ]
    }
  }'
```

Chaque classification classique exige au moins deux étiquettes. Pour chaque forme prise en charge d'entité,
de classification, de structure, de relation, d'enregistrement, d'attribut et de classification contrainte,
consultez la
[référence complète du schéma GLiNER de `POST /v1/chat/completions`](/fr/api-reference/inference/chat-completions).

## Schéma de réponse

Une réponse réussie contient :

* `result` : le résultat d'extraction ou de classification, structuré selon le schéma.
* `token_usage` : le nombre de tokens d'entrée traités.

```json theme={null}
{
  "result": {
    "entities": [
      {
        "text": "Apple",
        "label": "organization",
        "score": 0.99,
        "start": 0,
        "end": 5
      }
    ]
  },
  "token_usage": 10
}
```

Lorsque `text` est un tableau, `result` est un tableau dans le même ordre que l'entrée. N'envoyez pas cette
forme de lot via `POST /v1/chat/completions` ; soumettez plutôt ces conversations séparément.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.