GLiNER2.5-Decide - 调用时传入标签集的 340M 英文分类模型

GLiNER2.5-Decide 是 fastino 发布的一个英文分类模型，属于 GLiNER2.5 系列。据项目自述，它的用法是在调用时把标签集直接传进去——意图、路由、情感、优先级、策略、多标签标签都可以——在单次前向中完成分类，不需要提示模板，也不生成 token。项目说明中称，单标签任务返回一个字符串，多标签任务返回所有超过阈值的标签，并且一次调用可以同时给多个任务头打分。它面向的是运营决策类场景：客服与银行意图、旅行与诊所请求、评论情感、文档类型、邮件与工单路由、转人工判断、智能体是否完成、内容审核、严重程度、紧急程度、垃圾信息等。适合需要把自由文本映射到固定标签集合、并且希望模型本地部署的工程团队。

维护者与状态

该项目由 fastino 维护，托管在 Hugging Face 上，任务类型为 token-classification，使用的框架为 gliner2。仓库创建时间为 2026-09-23，最后更新时间为 2026-09-24。许可证为 apache-2.0。截至 2026-09-26，近 30 天下载量为 1048，点赞数为 156。事实表中未给出正式 release 信息，因此这里不对版本发布情况作额外说明。

主要能力

以下能力均来自项目自述（README / 模型卡），并非第三方评测结论。

• 调用时指定标签集。项目自述称，标签集合在调用时传入，而不是固化在模型里，因此同一个模型可以服务不同的分类体系。
• 单次前向、多任务头。据项目说明，一次调用可以同时对多个任务头打分，例如同一段文本同时给出意图、紧急程度和路由团队，而不必把模型跑三遍。
• 单标签与多标签两种输出。项目自述中写明：单标签任务返回一个字符串；多标签任务返回所有超过阈值的标签，并可通过 multi_label 与 cls_threshold 参数控制。
• 不生成 token、不需要提示模板。项目说明中强调这一点，即输出是标签判定而非生成式文本。
• 覆盖的典型场景。据项目自述，包括客服意图路由、银行请求、旅行请求、诊所前台分流、评论情感、产品方面（aspect）分析、新闻主题、文档类型、邮件三头分诊、工单队列分配、转人工判断、智能体完成度判断、内容审核等。
• 带描述的标签与序数刻度。项目自述中提到，同一次调用还可以回答关于某段文字的问题、对书籍分类、使用带描述的标签，以及对序数刻度打分。

需要说明的是，项目自述中明确写道：这个版本不是通用模型，它不进行推理、不做解释、也不回答开放性问题，而是面向运营决策的专用模型。项目自述还提到该套件为英文，输入为多语言时应使用 GLiNER2.5-multi-Decide。

使用入口

模型仓库地址：GLiNER2.5-Decide。

据项目说明，安装方式为：

pip install gliner2

加载方式为：

from gliner2 import AutoExtractor
model = AutoExtractor.from_pretrained("fastino/GLiNER2.5-Decide")

调用时通过 classify_text 传入文本与标签集，例如：

model.classify_text(
    "My subscription renewed on April 15 ... Can I get that charge refunded?",
    {"intent": ["order_status", "refund_request", "cancel_subscription", "other"]},
)

项目自述中给出的返回形式为类似 {"intent": "refund_request"} 的标签判定结果。多标签任务则通过字典形式传入 labels、multi_label 与 cls_threshold 等字段。

许可与限制

许可证为 apache-2.0，使用时请以仓库中的 LICENSE 文件为准。

关于限制，项目自述中写明了几点：该版本不是通用模型，不做推理、解释或开放问答；该套件面向英文，多语言输入应改用 GLiNER2.5-multi-Decide；模型定位是运营决策类分类，而不是通用对话或生成。此外，项目自述中给出的示例输出均标注为「potential output」，即可能的结果，用于展示 classify_text 的返回结构，并非对具体输入的性能承诺。事实表中未提供参数量以外的硬件要求、推理显存或部署环境信息，本文不作推测。