Компания Knowledgator представила энкодер GLiFormer с 575 миллионами параметров для извлечения вложенных JSON-структур. Модель не генерирует токены, что отличает её от стандартных LLM. Решение распространяется по лицензии Apache 2.0 и доступно для установки через pip.
Архитектура модели основана на GLiNER и использует метод «якорей» для сопоставления меток. Система кодирует исходный текст один раз, после чего применяет несколько схем как локальные группы задач. Версия v1 включает пять «голов»: NER, классификацию, отношения, структурирование и эмбеддинги.
Базовая модель построена на базе DeBERTa, предварительно обученной на 100 миллиардах токенов. В процессе обучения использовалось 1 357 671 пример для мультизадачного обучения и 372 090 примеров для дообучения. Модель Large превосходит Gemma-4-E4B, имея в 14 раз меньше параметров.
Тестирование на 40 документах показало медианную задержку 69 мс на GPU NVIDIA RTX PRO 6000 Blackwell в FP16 и 547 мс на 8-поточном CPU AMD EPYC 9B45 в FP32. Разработчики оценивают прирост скорости до 95,8 раза по сравнению с генерацией текста через LLM.
