Model kecil di dalam stack Anda, dilatih dengan data Anda, dan tim yang mampu menjalankannya.
Empat layanan, masing-masing dilingkupi sesuai kasus Anda dan ditanyakan lewat percakapan, bukan dibeli. Kami mengintegrasikan model Intura ke aplikasi dan alur kerja agent Anda, melatih model kustom pada konteks yang hanya dimiliki perusahaan Anda, membangun perangkat lunak di sekitarnya, dan melatih tim Anda bekerja dengan data, model, dan agent. Apa pun yang kami bangun berjalan di CPU atau perangkat edge, di tempat data Anda sudah berada, dan diserahkan sebagai sesuatu yang dimiliki tim Anda.
Setiap layanan dilingkupi sesuai kasus Anda, tetapi kerja samanya berjalan dengan cara yang sama, jadi Anda selalu tahu apa yang terjadi berikutnya.
1
Panggilan pertama
Panggilan 30 menit dengan engineer, bukan skrip kualifikasi. Anda menjelaskan masalahnya; kami mengatakan layanan mana yang cocok, atau bahwa tidak ada yang cocok.
2
Proposal tertulis
Lingkup, apa yang Anda sediakan, apa yang Anda terima, di mana ia berjalan, dan jadwal untuk kasus Anda, tertulis sebelum pekerjaan dimulai.
3
Pembangunan dengan tinjauan
Pekerjaan di lingkungan Anda atau salinannya, ditinjau bersama tim Anda di setiap langkah, bukan baru diperlihatkan di akhir.
4
Serah terima
Kode, model, dokumentasi, dan runbook, dijelaskan langsung kepada orang-orang yang akan memegangnya. Dukungan setelahnya opsional dan disepakati terpisah.
Machine learning, SLM, atau LLM yang di-fine-tune
Mana yang cocok bergantung pada keputusannya, dan memilih dengan tepat adalah tugas kami — bukan sesuatu yang harus Anda putuskan sebelum berbicara dengan kami. Apa pun pilihannya, hasilnya kembali dalam bentuk terkompresi: dipangkas, dikuantisasi, di-benchmark, dan cukup kecil untuk dilayani di tempat yang Anda butuhkan.
machine-learning
Machine learning klasik
Klasifikasi, ekstraksi, scoring, dan perankingan. Kecil, cepat, cukup murah untuk dijalankan di setiap event — dan untuk taksonomi yang tetap, jauh lebih sering menjadi jawaban yang tepat dibanding language model.
small-language-model
Small language model
Pemahaman bahasa yang tetap muat di CPU dan di dalam perimeter Anda. Disetel ke domain dan bahasa Anda, sehingga mengalahkan model umum pada satu pekerjaan yang benar-benar Anda butuhkan.
large-language-model
LLM hasil fine-tuning
Untuk tugas yang memang membutuhkannya: disesuaikan dengan kebijakan, catatan kasus, dan pengetahuan Anda, dengan set evaluasi yang menyatakan apakah hasilnya benar-benar membaik.
Yang Anda terima
Setiap kerja sama berakhir dengan artefak yang Anda miliki dan bisa Anda operasikan tanpa kami. Tidak ada satu pun di daftar ini yang berupa lisensi yang harus terus Anda bayar.
Apa pun yang kami bangun, baik kode, model, dataset, maupun kurikulum, menjadi milik Anda
Berjalan di lingkungan pilihan Anda: VPC Anda, on-premise, air-gapped, atau di perangkat
Dokumentasi dan runbook yang bisa diikuti tim Anda tanpa kami
Sesi serah terima dengan orang-orang yang akan mengoperasikannya
Satu engineer yang ditunjuk selama kerja sama berlangsung
Ketentuan dukungan yang disepakati sesuai cara Anda menjalankannya, jika Anda menginginkannya
Klien
Dipercaya oleh tim di
Deployment privat & edge
Infrastruktur Anda, infrastruktur kami, atau tanpa server sama sekali
Karena modelnya kecil, tempat ia berjalan jadi pilihan, bukan batasan. Graph INT8 berukuran 52 MB muat di mesin CPU, GPU kecil, board ARM, bahkan di dalam tab browser — jadi opsi privat dan edge di sini benar-benar opsi, dan keduanya mendapat porsi terbesar karena itulah yang sebagian besar vendor di kategori ini tidak bisa tawarkan sama sekali.
On-premise, VPC Anda, atau air-gapped
Infrastruktur Anda sendiri
Satu file Docker Compose dan satu target make. Ia bergabung ke jaringan yang sudah Anda punya, memakai redis yang sudah Anda jalankan, dan membaca bobot dari bucket milik Anda — sehingga checkpoint baru cukup tukar file, bukan rebuild, dan tidak ada pesan, prompt, atau dokumen yang melintasi batas Anda ke arah mana pun.
Satu perintah untuk deploy: bobot, build, start, health check
Bobot di-mount read-only dari bucket milik Anda, tidak pernah dipanggang ke dalam image
Air-gapped adalah konfigurasi yang didukung: tidak ada endpoint yang melakukan panggilan keluar
Menskala lintas worker dalam satu mesin
Di-benchmark di perangkat keras Anda sebelum serah terima, lengkap dengan runbook
Beli sekali, jalankan sendiri
Unduh mandiri
Pilih model di marketplace, masuk, lalu unduh. Anda mendapat semua versinya dari library dan menjalankannya dengan onnxruntime di perangkat keras apa pun yang Anda punya.
Semua versi termasuk dalam satu pembelian
File dari cloud storage, masing-masing dengan SHA-256
Contoh hasil nyata di setiap halaman model, sebelum Anda mendapatkannya
Embedded, mobile, WASM
Perangkat & browser
Artefaknya ONNX standar. Muat lewat onnxruntime-web, di board ARM, atau di dalam aplikasi mobile, dan pemeriksaannya tidak pernah menyentuh jaringan sama sekali.
Graph INT8, 12–77 MB per model
Execution provider WASM dan WebGPU
Offline karena rancangannya, bukan karena konfigurasi
Hubungi kami
Ceritakan apa yang Anda butuhkan
Jelaskan masalahnya, timnya, dan di mana ia harus berjalan. Engineer membaca setiap pertanyaan dan membalas lewat email.
Di panggilan pertama Anda bertemu engineer, bukan skrip kualifikasi.
FAQ
Pertanyaan tentang Enterprise
▶▼Layanan mana yang saya butuhkan?
Jelaskan masalahnya di panggilan pertama dan kami akan mengatakannya. Banyak kerja sama menggabungkan dua layanan: model kustom beserta integrasinya, atau aplikasi kustom beserta pelatihan untuk tim yang akan memakainya. Setiap layanan punya halamannya sendiri jika Anda ingin membaca lebih dulu.
▶▼Bagaimana harga pekerjaan Enterprise ditentukan?
Setiap kerja sama dilingkupi di panggilan pertama dan harganya diajukan dalam proposal tertulis. Tidak ada checkout untuk pekerjaan Enterprise, dan tidak ada yang berupa langganan.
▶▼Bisakah pekerjaannya berlangsung di dalam lingkungan kami?
Bisa. Integrasi, data pelatihan, dan deployment semuanya bisa tetap berada di dalam VPC Anda, on-premise, atau air-gapped jika kebijakan Anda mengharuskannya. Sampaikan sejak awal; itu kebutuhan yang wajar dan kami melingkupinya.
▶▼Apakah perlu GPU untuk melatih model kustom?
Tidak perlu GPU milik Anda. Pelatihan adalah bagian kami dalam kerja sama ini; model yang Anda jalankan setelahnya hanya butuh CPU, seperti semua model lain di situs ini. Jika kebijakan Anda mengharuskan pelatihan di lingkungan Anda sendiri, kami melingkupinya.
▶▼Bisakah Anda membangun model yang cukup kecil untuk berjalan di edge?
Itulah spesialisasi kami. Setiap model di situs ini sengaja dibuat kecil: kosakata dipangkas ke bahasa yang dilayani, layer dipotong, graph dikuantisasi ke INT8, dan model diperiksa ulang setelah setiap langkah. Kami melakukan hal yang sama untuk model kustom, dan memberi tahu Anda apa harga dari setiap langkah pemampatan.
