Belegant-4B
🇨🇭 🇩🇪 🇫🇷 🇮🇹 🇦🇹 · Schweizer Belege & QR-Rechnungen → sauberes JSON
Belegant-4B ist eine spezialisierte, professionell paketierte GGUF-Distribution für die
strukturierte Extraktion von Schweizer Belegen, Rechnungen und QR-Rechnungen. Aus dem Bild
eines Belegs entsteht striktes, schema-treues JSON – in Deutsch, Französisch und Italienisch.
Belegant-4B ist multimodal (image-text-to-text) und liest Text und Bild.
Der Fokus liegt auf Belastbarkeit statt Raten: Belegant setzt harte Regeln für den Schweizer
Zahlungsverkehr durch – QR-IBAN- und Referenz-Logik (QRR / SCOR / NON), Schweizer Zahlenformat
(1'234.50), gültige MWST-Sätze (8.1 / 2.6 / 3.8 / 0) – und erzwingt NULL-Disziplin: Was nicht
eindeutig im Bild steht, wird null, nie erfunden.
📦 Quantisierungen
| Quant | Größe | Empfehlung |
|---|---|---|
belegant-4b-Q3_K_M.gguf |
≈ 2.2 GB | Kleinster Footprint, für knappe RAM-/Edge-Setups |
belegant-4b-Q4_K_M.gguf |
≈ 2.6 GB | Empfohlen – bestes Verhältnis Größe ↔ Qualität |
belegant-4b-Q5_K_M.gguf |
≈ 3.0 GB | Etwas höhere Genauigkeit, moderat größer |
belegant-4b-Q6_K.gguf |
≈ 3.4 GB | Nahe F16-Qualität, für anspruchsvolle Belege |
belegant-4b-Q8_0.gguf |
≈ 4.3 GB | Höchste Treue, Referenz-/Abnahme-Läufe |
mmproj-belegant-4b-f16.gguf |
≈ 642 MB | Vision-Projektor (mmproj) – für Bild-Eingabe zwingend |
Für Bild-Eingabe wird der
mmproj-Projektor zusätzlich zur gewählten Quant-Datei geladen.
📊 BelegBench v1
Field-Level Exact-Match (Field-EM) über Schweizer Beleg-/QR-Rechnungs-Bilder, DE / FR / IT.
| Modell | Field-EM | Halluzination |
|---|---|---|
| Belegant-4B | 84.7 % | 0 % |
| Qwen3.5-4B (roh) | 75.8 % | 1.2 % |
| gemma3:4b | 16.5 % | 15.9 % |
Kernaussage: in der 4B-Klasse +8.9 Punkte Field-EM und 0 % Halluzination – entscheidend im
Zahlungsverkehr, wo eine erfundene IBAN oder ein falscher Betrag teurer ist als ein null.
Trilingual: DE 84.7 % · FR 81.4 % · IT 83.0 %.
📊 Gemessen mit BelegBench — dem offenen Benchmark für Schweizer QR-Rechnungen: https://huggingface.co/datasets/Keyven/belegbench
🚀 Verwendung
Gewünschte Quant-Datei plus den Vision-Projektor laden:
huggingface-cli download Keyven/belegant-4b \
belegant-4b-Q4_K_M.gguf mmproj-belegant-4b-f16.gguf Modelfile \
--local-dir belegant-4b
cd belegant-4b
llama.cpp — Bild → JSON (Vision, empfohlen)
llama-mtmd-cli \
-m belegant-4b-Q4_K_M.gguf \
--mmproj mmproj-belegant-4b-f16.gguf \
--image beleg.jpg \
--temp 0 --top-k 1 --top-p 1 \
-p "Extrahiere die Belegfelder exakt als JSON nach Schema. Was nicht lesbar ist: null."
Ollama
ollama create belegant-4b -f Modelfile
ollama run belegant-4b "./beleg.jpg"
Ziel-Schema (Auszug)
{
"creditor": {"name": null, "address": null, "zip": null, "city": null, "country": null},
"creditor_iban": null, "amount": null, "currency": null,
"reference_type": null, "reference": null,
"invoice_number": null, "invoice_date": null, "due_date": null, "supplier_vat_uid": null,
"line_items": [{"description": null, "quantity": null, "unit_price": null, "vat_rate": null, "total": null}],
"vat_breakdown": [{"rate": null, "net": null, "tax": null}],
"subtotal": null, "vat_total": null, "total": null, "language": null
}
🙏 Credits
Basiert auf Qwen3.5-4B von Alibaba Cloud · Qwen Team — Dank ans Qwen-Team. Apache-2.0.
📄 Lizenz
Apache License 2.0.