Startup wspierany przez Y Combinator - Feyn AI - wydał SQRL, nową rodzinę modeli, które zamieniają pytania zadane zwykłym językiem na zapytania SQL, najpierw sprawdzając schemat bazy danych. Klasyczne podejście do text-to-SQL traktuje ten problem jak tłumaczenie, ale Feyn redefiniuje go wokół inspeksji bazy. Zamiast natychmiast generować kod, SQRL najpierw przegląda strukturę i dane, aby uniknąć nieścisłości i napisać zapytania, które faktycznie działają.
Tradycyjne problemy w text-to-SQL są głębokie. Zapytanie może być poprawnym SQL-em i jednocześnie zwracać zupełnie błędne wyniki - poprzez połączenie niewłaściwych tabel, błędną interpretację niejednoznacznych kolumn czy filtrowanie wartości, które w bazie w ogóle nie istnieją. System SQL nie wyrzuci za to błędu, więc taka pomyłka prześlizgnie się przez każdy test oparty na samej składni. Schemat bazy (lista tabel, kolumn i ich typów) też nie wystarczy - nie powie ci, czy wartość "Alameda" przechowywana jest jako "Alameda", "Alameda County" czy "ALAMEDA". BIRD - benchmark, na którym testuje się takie systemy - mierzy dokładnie te rzeczy, biorąc pod uwagę rzeczywiste bazy z rzeczywistymi niedoskonałościami.
Flagowy model SQRL-35B-A3B uzyskał 70,6% dokładności wykonania na BIRD Dev, co oznacza wynik wyższy niż Claude Opus (68,77%). Feyn udostępnił trzy wersje modeli na Hugging Face: SQRL-4B, SQRL-9B i SQRL-35B-A3B. To otwarcie podejścia do problemu, który trade-off między szybkością a dokładnością - mniejsze modele powinny być szybsze, duży ma więcej mocy.