Pulpie发布：面向网页内容提取的Pareto最优模型族

OmniTools 7月8日消息，Pulpie是一族专为HTML页面主要内容提取设计的Pareto最优模型。其最小版本pulpie-orange-small（2.1亿参数）在WebMainBench基准测试中取得0.862的ROUGE-5 F1分数，性能接近6亿参数的Dripper模型（0.864），但推理成本仅为后者的1/20。

在NVIDIA L4 GPU环境下，pulpie-orange-small的处理速度达13.7页/秒，远超Dripper的0.68页/秒。据测算，清理10亿页HTML数据，Pulpie预估成本约7900美元，而Dripper需15.9万美元。

该模型采用纯编码器架构，仅需单次前向传播即可将HTML块分类为内容或模板，目前已在Hugging Face平台开源。