/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Qwen2.5-3B
Опубликована
15 авг 2026

sba-extract-v4

Генерация текстаТекст → текст4 профессии

Модель извлекает финансовые сведения из текста налоговых деклараций США и оформляет их в JSON для SBA Form 413.

30скачиваний за 30 дней0лайковвеса обновлены15 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

sba-extract-v4 — модель Koodo Technology LLC FZ, дообученная на базе Qwen2.5-3B для извлечения 16 финансовых полей из текстового представления налоговых деклараций США и формирования структурированного JSON для SBA Form 413. Она предназначена для автоматизации подготовки персональных финансовых отчётов в кредитных союзах и общественных банках, работающих с кредитованием малого бизнеса. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2, поддерживает контекст до 32 768 токенов и доступна в формате GGUF; в метаданных указана поддержка английского языка и лицензия MIT.

В карточке заявлена точность 81% при точном совпадении всех полей и 100% после постобработки. Ошибки касаются полей с несколькими значениями: модель может извлечь только первое из них, поэтому для суммирования счетов или объектов недвижимости нужна постобработка. Модель работает с текстом или Markdown, а не с изображениями документов напрямую.

Сценарии применения

  • извлечение дохода и активов из налоговой декларации США
  • подготовка полей персонального финансового отчёта SBA Form 413
  • автоматизация ввода финансовых данных при кредитовании малого бизнеса
  • извлечение имени, SSN и работодателя из налоговых документов

Ограничения

Для полей с несколькими значениями модель может извлечь только первое; для суммирования требуется постобработка. При заявленной точности 81% поля без ошибок получаются не во всех случаях.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sba-extract-v4 — SBA Form 413 Field Extractor

A fine-tuned Qwen2.5-3B model that extracts 16 financial fields from US tax returns into structured JSON for SBA Form 413 (Personal Financial Statement). Built for community banks and credit unions automating small business lending.

What it does

Feed it a tax return (text or markdown) → get structured JSON:

{
  "name": "John M Smith",
  "ssn": "123-45-6789",
  "employer": "ACME Technologies Inc",
  "annual_income": 125000,
  "cash": 120000,
  "real_estate": 650000,
  "mortgages": 450000,
  "stocks_bonds": 120000,
  "retirement_accounts": 250000,
  "life_insurance": 35000,
  "notes_receivable": 10000,
  "credit_card_debt": 8500,
  "auto_loans": 25000,
  "total_assets": 1185000,
  "total_liabilities": 483500,
  "net_worth": 701500
}

Accuracy

MetricScore
Raw field accuracy81% (13/16 exact)
With post-processing100% (16/16, includes multi-value sum + regex totals)
Name/SSN/Employer100%
Income/Asset extraction78-85% confidence per field

The 3 partial misses are multi-value fields (e.g., two bank accounts, two properties) — the model picks the first value. The Forms SBA platform fixes this with a post-processing sum-of-parts rule.

Model details

ParameterValue
Base architectureQwen2
Parameter count3.1B (3,085,938,688)
Context length32,768 tokens
QuantizationF16 (full precision, zero loss)
FormatGGUF v2
AttentionGQA (16 query heads, 2 KV heads)
Layers36
File size6.2 GB

Quick start

Option 1: Ollama

ollama pull hf.co/newdim001/sba-extract-v4
ollama run sba-extract-v4

Option 2: llama.cpp

llama-cli \
  -m sba-extract-v4.gguf \
  -p "Extract SBA Form 413 fields from: FORM 1040 - John Smith SSN 123-45-6789 Wages: 125000 Cash: 45000..."

Option 3: Python (recommended prompt)

prompt = """
### Instruction:
Extract ALL SBA Form 413 fields from the tax return below. Return ONLY valid JSON with these 16 fields:
- name, ssn, employer, annual_income, cash, real_estate, mortgages
- stocks_bonds, retirement_accounts, life_insurance, notes_receivable
- credit_card_debt, auto_loans, total_assets, total_liabilities, net_worth

### Input:
{your_tax_return_text}

### Response:
"""

Built by

Koodo Technology LLC FZ (Dubai) — part of the Forms SBA platform. Automated SBA lending for US community banks and credit unions.

License

MIT

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
5a6976c

0 моделей