Fastino 推出 GLiNER2.5 信息提取模型，支持 4096 词上下文

Techub News 消息，AI 公司 Fastino 发布了信息提取模型 GLiNER2.5。

据 MarkTechPost 介绍，GLiNER2.5 采用边界预测架构，取代传统的跨度枚举方法，可以直接预测实体开始和结束的位置。这样一来，模型移除了对实体最大长度的限制，并支持最长 4096 个单词的上下文。

在计算层面，该模型的复杂度与序列长度呈线性关系，同时支持实体与关系的联合解码。

测试结果显示，GLiNER2.5 在 16 个零样本基准测试中取得 56.17 的宏观 F1 分数，略高于前代 GLiNER2。

Fastino 已在 Hugging Face 发布三个模型检查点，参数规模分别为 7400 万、1.94 亿和 2.87 亿，采用 Apache 2.0 开源协议。

应用场景方面，该模型可用于法律合同、医疗文档、金融服务、保险理赔和 AI 安全工具等行业，支持个人身份信息检测与编辑、合同条款提取、知识图谱构建等任务。部署上，模型支持本地 CPU、CUDA 或 MPS 推理。