Interfaze模型发布：融合CNN与Transformer的精度架构

Interfaze 模型发布全新混合架构，主打计算机级确定的高精度任务。该架构融合深度神经网络与 Transformer 解码器，官方公布的 9 项基准测试结果显示，其在光学字符识别、语音转文本及结构化输出等场景中准确率达领先水平，同时保持与闪省模型同档的定价策略。

混合架构设计的技术路径

传统 Transformer 在处理计算机级任务时容易像人类一样出现错漏，但其创造性也源于此。Interfaze 架构采用混合路径，将 CNN/DNN 的任务专用编码器与 Transformer 解码器结合，并内置 Web 索引抓取与代码沙箱环境。这种设计使模型在执行光学字符识别、界面检测与语音转文本等确定性任务时，准确率最高可提升 100 倍。模型同时输出边界框与置信度等元数据，便于开发者构建可预测的工作流。

深度神经网络擅长特定任务，但缺乏柔性。该模型通过共享向量空间利用对象检测与 Transformer 翻译层，在保持结构化的同时缓解传统 DNN 维护与重训成本高的问题。

基准测试表现与指标对比

Interfaze 在多维度测试中对比 Gemini-3-Flash、Claude-Sonnet-4.6、GPT-5.4-Mini 与 Grok-4.3。在 OCRBench V2 中达到 70.7%，olmOCR 达到 85.7%，RefCOCO 达到 82.1%。语音任务 VoxPopuli 词错率为 2.4%，低于 Gemini 的 4.0%。结构化输出基准 SOB 准确率达 79.5%。在通用能力 GPQA Diamond 与 MMMLU 测试中，分数分别达到 89.9% 与 90.9%，与同级模型持平。

Interfaze模型架构图展示混合网络结构
官方强调该模型不替代通用大语言模型，而是专注确定性任务。测试集涵盖 OCR、对象检测、语音转文本与多语言理解，部分通用指标用于验证其 Transformer 基础的推理能力。语音转写实测显示，处理 209 秒音频仅需 1 秒算力，约为 Scribe v2 的 8 倍速度。

开发者接入与结构化输出

Interfaze 遵循 Chat Completions API 标准，兼容 OpenAI、Vercel AI SDK 与 LangChain。开发者只需调整基础 URL 指向 https://api.interfaze.ai/v1 并填入密钥即可调用。模型支持 1M tokens 上下文窗口，最大输出 32K tokens，默认关闭推理功能。
引入结构化合约格式与预上下文返回机制。请求时传入 Schema，模型会输出结构化数据对象，同时在 precontext 字段附带原始识别结果、逐行边界框与置信度。开发者可通过系统提示词中的 ocr 标签激活特定分支，降低计算负载。

import OpenAI from "openai";
import { z } from "zod";
import { zodResponseFormat } from "openai/helpers/zod";

const schema = z.object({ text: z.string() });
const response = await interfaze.chat.completions.create({
model: "interfaze-beta",
messages: [{ role: "user", content: "Extract text from image" }],
response_format: zodResponseFormat(schema, "text_schema"),
});
console.log(response.precontext);

定价策略与 Flash 模型对齐，输入为 1.50 美元每百万标记，输出为 3.50 美元每百万标记。