Wir sind offen für
das richtige Gespräch.
Neurolism ist KI-Forschung aus der Schweiz. Wir bauen Sprachmodelle mit einer Schicht, die misst, wie gut eine Antwort zu ihren Belegen passt, und mit einem Kanal, um zu sagen, wenn sie es nicht tut. Diese Seite ist die Kurzfassung, geschrieben wie der Rest dieser Website: inklusive der Teile, die noch nicht fertig sind.
Vier Dinge, die wir für wahr halten.
Stellen sie sich als falsch heraus, liegt die Firma falsch. Genau das macht sie zu einer These und nicht zu einer Beschreibung.
Die Inferenzkosten entscheiden alles
Training bezahlt man einmal, Inferenz jeden Tag, für immer. Ein System, das ohne diesen Gedanken gebaut ist, wird genau in dem Mass teurer, in dem es erfolgreicher wird: eine seltsame Eigenschaft für ein Geschäft. Unsere Architektur verteilt: Ein kleines Modell antwortet, ein Router entscheidet, ob das genügt, und nur der Rest erreicht ein grösseres. Belege werden vorab in einen Index gerechnet, statt durch jede Anfrage geschoben zu werden.
Sich enthalten ist eine Produkteigenschaft, keine Schwäche
Der Markt ist voll von Systemen, die immer antworten. Bei regulierter Arbeit, ob Recht, Medizin, Finanzen oder öffentliche Hand, ist eine Antwort, die niemand prüfen kann, eine Antwort, die niemand verwenden kann. Ein Modell, das klar sagt, wenn die Belege die Frage nicht abdecken, macht aus einer unmöglichen Kundengruppe eine erreichbare.
Herkunft wird zur Pflicht
Bei den meisten Modellen ist die ehrliche Antwort zur Herkunft der Trainingsdaten ein Schulterzucken. Wir erfassen für jede Quelle Herkunft, Lizenz, Datum und Umfang. Das ist von Anfang an viel günstiger, als es nachträglich zu rekonstruieren, und es ist die Art Pflicht, die als Regulierung kommt und nicht als Kundenwunsch.
Die Schweiz ist eine Position, keine Flagge
Eine Schweizer Firma mit einem Schweizer Server für Firmenkonten, und was nicht in der Schweiz liegt, steht vollständig da, statt beschönigt zu werden. Für Kunden in der Schweiz und in Europa mit Daten, die sie nicht exportieren dürfen, ist das der Unterschied zwischen einem Pilotprojekt und einer Bestellung.
Lumen verdient heute. Für Gauss ist das Geld.
Das sind nicht zwei Fassungen derselben Sache. Sie sind das Geschäft und der Burggraben, und sie sind bewusst getrennt, damit keine die andere schönfärbt.
Die Schicht um ein zugekauftes Modell
Offene Basismodelle in drei Grössen, von uns angepasst und betrieben, mit der Konsistenzschicht als Stufe davor. Sie liest die fertigen Aussagen, prüft jede gegen die Belege, die tatsächlich abgerufen wurden, und leitet weiter an belegt, nicht belegt oder widerlegt. Das ist der Teil, der kalibriert ist, in Produktion läuft und sich heute verkaufen lässt.
Seine Grenze ist strukturell: Die Schicht kann nur Text beurteilen, auf den sich das Modell schon festgelegt hat. Sie sieht nie, wie das Modell seine Meinung ändert.
Die Schicht in einem Modell, das uns gehört
Eigene Gewichte, von null an trainiert, mit dem Konsistenzkopf als Teil der Architektur. Er bewertet den verborgenen Zustand, während die Antwort entsteht, statt den Satz, nachdem er geschrieben ist. Ein Modell davon mit 1.16 Milliarden Parametern gibt es, von null an trainiert, mit einem Kopf von 525’445 Parametern und drei Wegen: Sprache, Beleg und Abstain.
Alles über dieser Grösse ist Planung. Es braucht Rechenleistung, die wir nicht besitzen, und ein Holdout-Set, das von Hand gebaut werden muss. Dafür ist die Finanzierungsrunde da, in dieser Reihenfolge.
Warum beide auf dieser Seite stehen: Eine Firma mit nur dem Ersten hat ein gutes Produkt und nichts, was sie verteidigt. Eine mit nur dem Zweiten hat ein Forschungsprojekt und keinen Umsatz. Die Wette ist, dass das Erste das Zweite bezahlt, bevor es jemand anders baut.
Was es heute gibt.
Keine Roadmap. Jede Zeile hier kannst du jetzt öffnen, installieren oder aufrufen.
- ProduktWeb-App, Desktop-App für Windows und eine API mit eigenen Schlüsseln und vorausbezahltem Guthaben. Alle drei sind live und in Gebrauch.
- ModelleLumen in drei Grössen, produktiv im Einsatz, mit demselben Abstain-Verhalten bei jeder. Eine vierte Grösse ist in Planung, und dahinter eine zweite Familie.
- Die Schicht, gemessenDie Konsistenzschicht um diese Modelle ist auf einem ausgewogenen Testset kalibriert und kreuzvalidiert: AUC 1.000, ECE 0.210, Brier 0.057. Sechzehn Fälle sind ein Anfang und keine Kalibrierung, auf die man eine Freigabe bauen würde. Genau das zu sagen, ist der Grund, weshalb die Zahl hier steht.
- Ein eigenes ModellEin deutsches Modell mit 1.16 Milliarden Parametern, von null an trainiert, mit dem Konsistenzkopf in der Architektur, einem eigenen Tokenizer mit 56’000 Einträgen und einem Vision-Projektor. Der Nachweis, dass das Design im kleinen Massstab funktioniert, und die Grundlage der nächsten Familie.
- AgentAchtundvierzig Werkzeuge, die das Modell aufrufen kann: Suche, Seiten lesen, exakte Arithmetik, Prüfziffern, Tabellen, Dokumente, PDF, Folien, Diagramme. Einundvierzig davon werden bei jeder Statusprüfung mit bekannten Eingaben neu getestet, statt bloss aufgelistet. Jedes gibt es, weil ein Sprachmodell selbstsicher klingt bei etwas, das es nicht kann.
- KontenTeamkonten mit Einladungen, ein Nutzungs-Dashboard pro Mitglied und pro Schlüssel, und Zwei-Faktor-Authentifizierung per E-Mail für Konten mit Firmenschlüsseln.
- AbrechnungAbonnemente und vorausbezahltes Guthaben für Firmen, abgerechnet nach gemessener Tokenzahl statt nach einer Schätzung.
- InfrastrukturEin Server in der Schweiz für Firmenkonten. In den Standardplänen läuft die Modellinferenz bei DigitalOcean in New York und in der EU, Anwendung und Datenbank bei einem Hoster in den USA. Das steht vollständig im Impressum.
Was du lieber von uns hören solltest.
Eine Due Diligence findet das in der ersten Woche. Dass du es hier zuerst liest, sollte dir etwas darüber sagen, wie der Rest der Zahlen präsentiert wird.
- TeamgrösseKlein. Das ist die wichtigste Einschränkung für alles auf der Visionsseite, und kein Kapital beseitigt sie sofort: Die richtigen Leute dafür zu finden, braucht Zeit.
- Kein eigenes RechenzentrumWir haben keine Hardware für Training im grossen Massstab. Ein Modell der Gauss-Familie, das sich zu betreiben lohnt, braucht Wochen auf Maschinen, die wir mieten oder kaufen müssten. Das ist das grösste einzelne Hindernis zwischen dem Nachweis mit 1.16 Milliarden Parametern und einem produktiven Modell. Es ist eine Kapitalfrage, keine Forschungsfrage.
- VertriebDas Produkt ist gut, und fast niemand weiss, dass es existiert. Keine Präsenz in App-Stores, kein Marketingbudget, kein Partner, der es weiterverkauft, und ein Gründer, der keine Investoren kennt. Die Lücke ist die Reichweite, nicht die Software.
So läuft es ab.
Keine Zahlen auf dieser Seite
Umsatz, Nutzer und Wachstum stehen hier nicht. Eine Zahl auf einer öffentlichen Seite veraltet oder wird geschönt, und beides merken genau die Leute, für die diese Seite gedacht ist. Frag nach, und du bekommst sie mit Datum.
Wer wir sind
Neurolism, Zürich, Schweiz. Firmen- und MWST-Angaben stehen im Impressum. Kein Fonds, kein Prozess, der mit einem Pitch Deck beginnt, und kein Banker dazwischen.
Wie ein erstes Gespräch aussieht
Dreissig Minuten über die Architektur und das Problem, das sie löst. Ist das interessant, folgen die Zahlen und die technischen Details. Wir fangen lieber mit der Frage an, ob die Idee trägt.
info@neurolism.com
Von einem Menschen geschrieben, von einem Menschen beantwortet. Schreib «Investment» in den Betreff, dann landet es direkt bei der richtigen Person.