Nous sommes ouverts
à la bonne conversation.
Neurolism est un projet suisse de recherche en IA qui construit des modèles de langage dotés d'une couche mesurant à quel point une réponse correspond à ses sources, et d'un canal pour dire quand ce n'est pas le cas. Cette page en est la version courte, écrite comme le reste du site : y compris les parties qui ne sont pas terminées.
Quatre choses que nous tenons pour vraies.
Si elles s'avèrent fausses, l'entreprise se trompe. C'est ce qui en fait une thèse plutôt qu'une description.
Le coût d'inférence est tout l'enjeu
L'entraînement se paie une fois ; l'inférence se paie chaque jour, pour toujours. Un système conçu sans en tenir compte devient plus cher exactement à mesure qu'il a du succès, une propriété étrange pour une entreprise. Notre architecture aiguille : un petit modèle répond, un routeur décide si cela suffit, et seul le reste atteint un modèle plus grand. Les sources sont précalculées dans un index au lieu de passer par chaque requête.
S'abstenir est une fonctionnalité, pas une limite
Le marché est plein de systèmes qui répondent toujours. Dans les métiers réglementés (juridique, médical, financier, secteur public), une réponse que personne ne peut vérifier est une réponse que personne ne peut utiliser. Un modèle qui dit clairement quand les sources ne couvrent pas la question rend accessible toute une catégorie de clients jusque-là hors de portée.
La provenance devient une exigence
Pour la plupart des modèles, la réponse honnête sur les données d'entraînement est un haussement d'épaules. Nous consignons l'origine, la licence, la date et le volume de chaque source. C'est bien moins coûteux à faire dès le départ qu'à reconstituer après coup, et c'est le genre d'obligation qui arrive par la réglementation plutôt que par une demande client.
La Suisse est une position, pas un drapeau
Une entreprise suisse avec un serveur suisse pour les comptes entreprise, et ce qui ne se trouve pas en Suisse écrit en toutes lettres plutôt qu'enjolivé. Pour les clients suisses et européens dont les données ne peuvent pas sortir, c'est la différence entre un projet pilote et un bon de commande.
Lumen rapporte aujourd'hui. Gauss est ce que l'argent doit financer.
Ce ne sont pas deux versions de la même chose. L'une est l'activité, l'autre l'avantage durable, et elles sont volontairement séparées pour qu'aucune ne serve à embellir l'autre.
La couche autour d'un modèle acheté
Des modèles de base à poids ouverts en trois tailles, ajustés et servis par nous, avec la couche de cohérence placée devant eux. Elle lit les affirmations terminées, confronte chacune aux sources effectivement récupérées et oriente vers couvert, non couvert ou contredit. C'est la partie qui est calibrée, en production et vendable dès maintenant.
Son plafond est structurel : la couche ne peut juger qu'un texte auquel le modèle s'est déjà engagé. Elle ne voit jamais le modèle changer d'avis.
La couche au cœur d'un modèle qui nous appartient
Des poids propres, entraînés à partir de zéro, avec la tête de cohérence intégrée à l'architecture : elle évalue l'état caché pendant que la réponse se forme, plutôt que la phrase une fois écrite. Un tel modèle de 1,16 milliard de paramètres existe, entraîné à partir de zéro, avec une tête de 525 445 paramètres et trois voies : langage, source et abstention.
Tout ce qui dépasse cette taille relève de la planification. Il faut une puissance de calcul que nous ne possédons pas et un jeu de test réservé qui doit être construit à la main : c'est à cela que sert la levée de fonds, dans cet ordre.
Pourquoi les deux figurent sur cette page : une entreprise qui n'aurait que la première a un bon produit mais rien pour le défendre. Une qui n'aurait que la seconde a un projet de recherche et aucun revenu. Le pari est que la première finance la seconde avant que quelqu'un d'autre ne la construise.
Ce qui existe aujourd'hui.
Pas une feuille de route. Chaque ligne ici est quelque chose que vous pouvez ouvrir, installer ou appeler dès maintenant.
- ProduitApplication web, application de bureau pour Windows et une API avec ses propres clés et du crédit prépayé. Les trois sont en ligne et utilisées.
- ModèlesLumen en trois tailles, qui répondent en production avec le même comportement d'abstention pour chacune. Une quatrième taille est en planification, et une deuxième famille derrière elle.
- La couche, mesuréeLa couche de cohérence autour de ces modèles est calibrée et validée par validation croisée sur un jeu équilibré : AUC 1,000, ECE 0,210, Brier 0,057. Seize cas sont un début, pas une calibration sur laquelle fonder une validation ; le dire, c'est la raison même pour laquelle ce chiffre figure ici.
- Un modèle à nousUn modèle allemand de 1,16 milliard de paramètres entraîné à partir de zéro, avec la tête de cohérence intégrée à l'architecture, son propre tokenizer de 56 000 entrées et un projecteur de vision. La preuve que la conception fonctionne à petite échelle, sur laquelle repose la prochaine famille.
- AgentQuarante-huit outils que le modèle peut appeler : recherche, lecture de pages, calcul exact, chiffres de contrôle, tableurs, documents, PDF, présentations, graphiques. Quarante et un d'entre eux sont retestés avec des entrées connues à chaque vérification de statut, et pas seulement listés. Chacun existe parce qu'un modèle de langage paraît sûr de lui sur quelque chose qu'il ne sait pas faire.
- ComptesComptes d'équipe avec invitations, tableau de bord d'utilisation par membre et par clé, et authentification à deux facteurs par e-mail pour les comptes détenant des clés entreprise.
- FacturationAbonnements et crédit prépayé pour les entreprises, facturés sur un nombre de tokens mesuré plutôt qu'estimé.
- InfrastructureUn serveur en Suisse pour les comptes entreprise. Dans les offres standard, l'inférence des modèles tourne chez DigitalOcean à New York et dans l'UE, l'application et la base de données chez un hébergeur aux États-Unis ; tout cela figure en détail dans les mentions légales.
Ce que nous préférons que vous appreniez de nous.
Une due diligence le découvre dès la première semaine. Le lire ici d'abord devrait vous dire quelque chose sur la manière dont le reste des chiffres sera présenté.
- Taille de l'équipePetite. C'est la principale contrainte sur tout ce qui figure sur la page vision, et aucun capital ne la supprime du jour au lendemain : recruter les bonnes personnes pour cela prend du temps.
- Pas de centre de données à nousNous n'avons pas de matériel pour entraîner à grande échelle. Un modèle de la famille Gauss qui vaille la peine d'être servi demande des semaines sur des machines que nous devrions louer ou acheter, et c'est le principal obstacle entre la preuve à 1,16 milliard de paramètres et un modèle de production. C'est une question de capital, pas de recherche.
- DistributionLe produit est bon et presque personne ne sait qu'il existe. Pas de présence dans les magasins d'applications, pas de budget marketing, pas de partenaire revendeur, et un fondateur qui ne connaît aucun investisseur. Le manque, c'est la portée, pas le logiciel.
Comment cela se passe.
Aucun chiffre sur cette page
Le chiffre d'affaires, les utilisateurs et la croissance ne figurent pas ici. Un chiffre sur une page publique vieillit ou s'embellit, et les deux sautent aux yeux des personnes à qui cette page s'adresse. Demandez-les, et vous les recevrez avec une date.
Qui nous sommes
Neurolism, Zurich, Suisse. Les informations sur l'entreprise et la TVA figurent dans les mentions légales. Pas de fonds, pas de processus qui commence par un pitch deck, et pas de banquier entre nous.
À quoi ressemble un premier échange
Trente minutes sur l'architecture et la contrainte qu'elle résout. Si cela vous intéresse, les chiffres et les détails techniques suivent. Nous préférons commencer par vérifier que l'idée tient.
info@neurolism.com
Écrit par une personne, lu et traité par une personne. Indiquez « Investment » dans l'objet et votre message arrive directement à la bonne personne.