Specializované modely
Malé, rychlé, účelové modely pro detekci jazyka, rozpoznávání entit, lemmatizaci, embeddings a re-ranking. Tohle jsou tahouni, kteří interně pohánějí StellarBase — a všichni jsou k dispozici jako API.
Zpracování textu
Detekce jazyka
Rozpoznává jazyk textu napříč 1 000+ jazyky, včetně vzácných a low-resource. Lightweight, rychlý, jen CPU.
- Use case: směrování vícejazyčných korpusů do správného downstream modelu; tagování obsahu v mixed-language pipelinách
- Přesnost: > 99 % na dobře formátovaném textu s 100+ znaky
- Jednotka: na 1M requestů
Lemmatizace
Redukuje skloňované slovní tvary na základní napříč 60+ jazyky. Užitečné pro keyword vyhledávání, topic modeling a zlepšení výkonu downstream NER.
- Use case: vyhledávání nad skloňovanými jazyky (čeština, polština, maďarština, finština)
- Jednotka: na 1K dokumentů
Zero-shot rozpoznávání pojmenovaných entit
Specifikujete typy entit, které chcete („person, medication, trial_id”) a model je najde — žádný fine-tuning není potřeba.
- Use case: vlastní extrakce entit nad doménově specifickými korpusy
- Silné stránky: flexibilita (jakýkoli typ entity přes prompt), vícejazyčný
- Jednotka: na 1M tokenů
Entity linking
Vezme detekované entity a propojí je s kanonickými identifikátory — Wikidata, vaše interní knowledge base nebo jakýkoli vlastní graf.
- Use case: rozpoznat „Dr. Nováková” na konkrétní osobu ve vašem HR adresáři
- Jednotka: na 1K dokumentů
Zpracování dokumentů
StellarOCR
Kompozitní engine na zpracování dokumentů — jeden endpoint, který vrací text, layout, tabulky, obrázky a matematické vzorce z jakéhokoli PDF nebo obrázku. Podrobně v dokumentaci StellarOCR.
- Jednotka: na 1K stránek
- Účtování: plochá sazba bez ohledu na to, kolik interních modelů běží
Embeddings
Vícejazyčné embeddings — rychlé
Rychlé vícejazyčné embeddings pro velkoobjemové workloady.
- Use case: sémantické vyhledávání ve velkém měřítku, clustering, detekce duplikátů
- Jednotka: na 1M tokenů
Vícejazyčné embeddings — high-recall
Vyšší kvalita vícejazyčných embeddings tam, kde nejvíc záleží na recall.
- Use case: retrieval pro mission-critical workloady, kde pár extra bodů recall znamená rozdíl
- Jednotka: na 1M tokenů
Long-context embeddings
Vícejazyčné embeddings vyladěné pro dlouhé pasáže a whole-document retrieval.
- Use case: naembeddovat celou smlouvu nebo paper jako jeden vektor
- Jednotka: na 1M tokenů
Obrazové embeddings
Vizuální embeddings, které pracují přímo nad pixely — žádné textové popisky ani labely nejsou potřeba.
- Use case: vyhledávání obrázků, detekce duplikátů, cross-modal retrieval
- Jednotka: na 1K obrázků
Retrieval
Reranker
Pro daný dotaz a sadu kandidátních pasáží skóruje každou na relevanci. Dramaticky ostřejší než samotná podobnost embeddingů.
- Use case: re-rank top výsledků z retrieval kroku před předáním LLM
- Jednotka: na 1K vyhledávání
Volba
| Úloha | Schopnost |
|---|---|
| Detekce jazyka | Detekce jazyka |
| Extrakce entit (jakýkoli typ) | Zero-shot NER |
| Linkování entit do KB | Entity linking |
| Text → vektor (rychlé, levné) | Vícejazyčné embeddings — rychlé |
| Text → vektor (nejlepší recall) | Vícejazyčné embeddings — high-recall |
| Dlouhé dokumenty → jeden vektor | Long-context embeddings |
| Obrázek → vektor | Obrazové embeddings |
| Re-rank výsledků vyhledávání | Reranker |
| Parsování jakéhokoli dokumentu | StellarOCR |
Cena
Per-unit ceny v EUR, žádné tiery, žádná minima. Viz kompletní ceník.
Self-hosted
Každý model na téhle stránce běží uvnitř on-premise StellarBase balíčku. Pro air-gapped nasazení se váhy modelů dodávají jako podepsané data packy a aktualizují podle vašeho plánu. Viz On-Premise.
Vlastní modely
Bring your own — HuggingFace endpointy, REST API, gRPC služby, lokální checkpointy. Zaregistrujte jednou jako nástroj a agenti a workflows ho mohou volat. Viz Agents.