โมเดลโมเดลแบบเปิดและแบบส่วนตัว สร้างขึ้นสำหรับข้อความภาษามลายู ภาษาอังกฤษ และข้อความผสมภาษา

โมเดลขนาดเล็กสำหรับ
การกำกับดูแล AI ที่
ทำงานในที่ที่ข้อมูลของคุณอยู่

โมเดลเฉพาะทางที่ค้นหาข้อมูลส่วนบุคคลและตัดสินข้อความตามนโยบายของคุณ ใช้งานภายใน Obiguard หรือรันบนเซิร์ฟเวอร์ของคุณเอง

เริ่มใช้งานฟรีรันแบบ On-prem →
01
ติดตั้งมาใน Obiguard

เปิดใช้โมเดลเป็นไกอาร์เรลในพอร์ทัลได้ทันที ไม่ต้องดูแลเอนด์พอยต์เอง

เหมาะสำหรับ: ทีมที่ไม่มีข้อจำกัดด้านถิ่นที่เก็บข้อมูล
ดูไกอาร์เรล →
02
การประเมินแบบโฮสต์

โมเดลให้บริการผ่าน HTTP API ที่เข้ากันได้กับ OpenAI พูดคุยกับเราเพื่อทดสอบโมเดลกับตัวอย่างข้อมูลของคุณเองก่อนตัดสินใจ

เหมาะสำหรับ: ทีมที่ต้องการประเมินโมเดลก่อนตัดสินใจใช้งาน
พูดคุยกับเรา →
03
On-prem

รันโมเดลเดียวกันภายในเครือข่ายของคุณด้วย API เดิม โดยเปลี่ยนเพียง URL ของเอนด์พอยต์

เหมาะสำหรับ: ธนาคาร บริษัทโทรคมนาคม หน่วยงานภาครัฐ และทุกองค์กรที่ต้องการให้ข้อมูลอยู่ภายในองค์กร
พูดคุยกับฝ่ายขาย →
โมเดล

เลือกโมเดลที่
เหมาะกับงานของคุณ

ทุกโมเดลที่พร้อมใช้งานเป็นไกอาร์เรลของ Obiguard และรันแบบ On-prem ได้ ทดสอบกับตัวอย่างของคุณเองก่อน แล้วย้ายเข้าสู่เครือข่ายของคุณเมื่อพร้อม โมเดลที่ระบุว่าอยู่ในแผนคือโมเดลที่อยู่ในแผนงาน
obi-lookout
เปิดเผยน้ำหนักโมเดล

ค้นหาข้อมูลส่วนบุคคลและข้อมูลที่เป็นความลับในข้อความภาษามลายู ภาษาอังกฤษ และข้อความผสมภาษา

  • ✓ปกปิดข้อมูลส่วนบุคคลก่อนเรียกใช้ LLM
  • ✓สแกนเอกสารและบันทึกการแชท
  • ✓ป้อนข้อมูลให้ไกอาร์เรล PII ของ Guardian
ประเภทตัวจำแนกระดับโทเค็นขนาด0.3BทำงานบนCPU เท่านั้น · 2 vCPUการติดตั้งใช้งานไกอาร์เรล · On-prem
ใช้เป็นไกอาร์เรลOn-prem →
ดูบน Hugging Face ↗
obi-sieve
ส่วนตัว

ตัวกรองบน CPU ที่ทำงานรวดเร็ว สำหรับเนื้อหาที่เป็นพิษ คำหยาบ เนื้อหาทางเพศ และการเจาะระบบ (jailbreak) ในข้อความภาษามลายู ภาษาอังกฤษ และข้อความผสมภาษา

  • ✓ลดต้นทุนของตัวตัดสินด้วยการกรองก่อน
  • ✓คัดกรองทุกพรอมต์บน CPU
  • ✓ภาษามลายู ภาษาอังกฤษ และข้อความผสม
ประเภทตัวจำแนกแบบเอ็มเบดดิงขนาดเอ็มเบดดิง + เฮดทำงานบนCPU เท่านั้น · RAM 4 GBการติดตั้งใช้งานไกอาร์เรล · On-prem
ใช้เป็นไกอาร์เรลOn-prem →
obi-parry
อยู่ในแผน

ตรวจจับความพยายามโจมตีแบบ prompt injection ในข้อมูลที่ผู้ใช้ป้อนและเอกสารที่ดึงมา

  • ✓ปกป้องไปป์ไลน์ RAG
  • ✓ป้องกันอินพุตของเครื่องมือเอเจนต์
  • ✓บล็อกคำสั่งที่ซ่อนอยู่
ประเภทตัวจำแนกแบบเอ็นโค้ดเดอร์ขนาด0.1BทำงานบนCPU เท่านั้น · 1 vCPUการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-warden
ส่วนตัว

ตัดสินข้อความตามมาตรการควบคุมที่เขียนไว้ เพียงระบุนโยบายด้วยภาษาธรรมดา แล้วโมเดลจะให้ผลการตัดสิน

  • ✓มาตรการควบคุม PDPA ของสิงคโปร์และมาเลเซีย
  • ✓การตรวจสอบข้อมูลอ่อนไหวตาม PCI DSS
  • ✓มาตรการควบคุม GDPR และการกล่าวอ้างด้านอาหารของมาเลเซีย
  • ✓“กฎของคุณเอง” ในส่วนการป้องกัน
ประเภทตัวตัดสินเชิงสร้างขนาดเล็กขนาด4BทำงานบนGPU 8 GB (4 บิต) หรือ CPU แบบควอนไทซ์การติดตั้งใช้งานไกอาร์เรล · On-prem
ใช้เป็นไกอาร์เรลOn-prem →
obi-arbiter
อยู่ในแผน

ให้ผลการตัดสินพร้อมเหตุผลที่เป็นลายลักษณ์อักษรสำหรับร่องรอยการตรวจสอบ ให้เหตุผลได้ทั้งภาษามลายูและภาษาอังกฤษ

  • ✓กรณีที่ส่งต่อและกรณีก้ำกึ่ง
  • ✓คำอธิบายที่พร้อมสำหรับการตรวจสอบ
  • ✓ช่วยเหลือผู้ตรวจทาน
ประเภทLLM สำหรับการให้เหตุผลขนาด8BทำงานบนGPU 16 GBการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-compass
อยู่ในแผน

จับคู่มาตรการควบคุมของคุณกับข้อกำหนดของ PDPA, RMiT และ PCI-DSS

  • ✓สร้างตารางเทียบมาตรการควบคุมกับข้อกำหนด
  • ✓แสดงช่องว่างของความครอบคลุม
  • ✓ตอบคำถามของผู้ตรวจสอบว่า “เรื่องนี้ครอบคลุมอยู่ที่ใด”
ประเภทโมเดลการค้นคืนข้อมูลขนาดเอ็มเบดดิง + รีแรงเกอร์ทำงานบนCPU เท่านั้น · RAM 4 GBการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-notary
อยู่ในแผน

ตรวจสอบแต่ละประโยคของคำตอบเทียบกับแหล่งที่มาที่อ้างอิง

  • ✓ตรวจสอบว่าคำตอบอิงแหล่งข้อมูลสำหรับแอป RAG ทุกประเภท
  • ✓จับข้อกล่าวอ้างที่ไม่มีหลักฐานรองรับ
  • ✓การตรวจทานเนื้อหาด้านกฎระเบียบ
ประเภทตัวจำแนกสำหรับการตรวจสอบข้อเท็จจริงขนาด0.1BทำงานบนCPU เท่านั้น · 2 vCPUการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-tracer
อยู่ในแผน

ตรวจจับสูตรอาหาร สูตรเฉพาะ และความลับที่รั่วไหลด้วยการเปรียบเทียบความคล้ายคลึง โดยไม่ต้องส่งข้อมูลไปที่ใด

  • ✓ตรวจจับการรั่วไหลของความลับทางการค้า
  • ✓สร้างลายนิ้วมือให้เอกสารของคุณเอง
  • ✓ทำงานแบบออฟไลน์ได้เต็มรูปแบบ
ประเภทตัวเทียบ N-gram และเอ็มเบดดิงขนาดตัวเทียบทำงานบนCPU เท่านั้น · RAM 2 GBการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-scribe
อยู่ในแผน

ร่างบทความและสรุปผลการตรวจพบที่อิงแหล่งข้อมูลอย่างใกล้ชิด

  • ✓ร่างข่าวด้านกฎระเบียบ
  • ✓สรุปผลการตรวจพบของ Scout และ SOC
  • ✓อ้างอิงแหล่งที่มาทุกครั้ง
ประเภทLLM เชิงสร้างขนาด8B–14BทำงานบนGPU 16 GBการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-sleuth
อยู่ในแผน

คัดแยกการแจ้งเตือนของ SOC และเขียนสรุปแบบเดียวกับที่นักวิเคราะห์จะเขียน

  • ✓การคัดแยกการแจ้งเตือน
  • ✓สรุปเหตุการณ์
  • ✓ทำงานภายในเครือข่ายของ SOC
ประเภทLLM สำหรับการให้เหตุผลขนาด8BทำงานบนGPU 16 GBการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-seeker
อยู่ในแผน

แปลงคำถามด้วยภาษาธรรมดาให้เป็นคำสืบค้นข้อมูลบันทึกและข้อมูลการกำกับดูแลของคุณ

  • ✓สอบถามร่องรอยการตรวจสอบของคุณ
  • ✓ClickHouse และ Postgres
  • ✓ออกแบบให้อ่านได้อย่างเดียว
ประเภทLLM ที่เขียนโค้ดได้ขนาด7BทำงานบนGPU 8 GB (4 บิต)การติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-herald
อยู่ในแผน

ผู้ช่วยแบบแยกขาดจากเครือข่ายภายนอก (air-gapped) ที่อธิบายเหตุการณ์และผลการตรวจพบให้ทีมของคุณ

  • ✓ถาม Obi แบบออฟไลน์
  • ✓การเล่าเรื่องเหตุการณ์
  • ✓ไม่มีข้อมูลออกจากเครือข่ายของคุณ
ประเภทLLM เชิงสร้างขนาด8B–20BทำงานบนGPU 16 GBการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
obi-tailor
อยู่ในแผน

โมเดลที่ปรับแต่งด้วยข้อมูลและนโยบายของคุณเอง พร้อมผลเกณฑ์วัดผลจากกรณีของคุณ

  • ✓ศัพท์เฉพาะและประเภทเอกสารของคุณ
  • ✓ฝึกซ้ำตามกำหนดเวลา
  • ✓รวมรายงานเกณฑ์วัดผล
ประเภทอะแดปเตอร์เฉพาะลูกค้าขนาดอะแดปเตอร์ LoRAทำงานบนเหมือนโมเดลพื้นฐานการติดตั้งใช้งานยังไม่เปิดตัว
อยู่ในแผนงาน แจ้งให้เราทราบหากคุณต้องการใช้
ตัวเลขด้านฮาร์ดแวร์เป็นขนาดโดยทั่วไป เราจะยืนยันตัวเลขที่เหมาะกับปริมาณงานของคุณในระหว่างการนำร่อง
On-prem

สิ่งที่คุณจะได้รับเมื่อ
โมเดลทำงานฝั่งของคุณ

ไม่ต้องใช้การเชื่อมต่อขาออก ข้อความของคุณไม่ออกจากเครือข่าย และคุณเป็นผู้กำหนดว่าจะอัปเดตเมื่อใด
อิมเมจคอนเทนเนอร์
หนึ่งอิมเมจต่อหนึ่งโมเดล พร้อมเอนด์พอยต์ตรวจสอบสถานะการทำงาน
น้ำหนักโมเดล
เผยแพร่แบบมีเวอร์ชัน พร้อมผลการประเมินของแต่ละเวอร์ชัน
สัญญาอนุญาต
โมเดลส่วนตัวได้รับอนุญาตให้ใช้เฉพาะคุณและจะไม่ถูกเผยแพร่สู่สาธารณะ
การอัปเดต
เผยแพร่แบบมีเวอร์ชัน คุณจึงเลือกได้ว่าจะเปลี่ยนเวอร์ชันเมื่อใด
คู่มือการติดตั้งใช้งาน
การประเมินขนาดฮาร์ดแวร์ ตัวอย่าง Kubernetes และ Docker รวมถึงรายการตรวจสอบเครือข่ายสำหรับทีมรักษาความปลอดภัยของคุณ
การสนับสนุน
ผู้ติดต่อประจำ และความช่วยเหลือในการปรับค่าเกณฑ์กับเอกสารของคุณเอง
คำถามที่พบบ่อย · โมเดล

คำถามที่
พบบ่อย

วางแผนติดตั้งแบบ On-prem อยู่ใช่ไหม แจ้งปริมาณงานและฮาร์ดแวร์ของคุณ แล้วเราจะช่วยประเมินขนาดให้

ส่งอีเมลถึงฝ่ายขาย →
ฉันดาวน์โหลดโมเดลใดได้บ้าง[01]
obi-lookout เป็นโมเดลแบบเปิดและเผยแพร่บน Hugging Face ส่วน obi-sieve และ obi-warden เป็นโมเดลส่วนตัว คุณสามารถใช้เป็นไกอาร์เรลของ Obiguard หรือรันแบบ On-prem ภายใต้สัญญาอนุญาต โมเดลที่ระบุว่าอยู่ในแผนคือโมเดลที่อยู่ในแผนงานและยังไม่เปิดตัว
เมื่อใช้แบบ On-prem ข้อมูลของฉันจะออกจากเครือข่ายหรือไม่[02]
ไม่ โมเดลแบบ On-prem ทำงานภายในสภาพแวดล้อมของคุณทั้งหมดและไม่ต้องใช้การเชื่อมต่อขาออก การประเมินแบบโฮสต์เหมาะสำหรับข้อมูลที่คุณสะดวกใจที่จะส่งให้เรา และเราขอแนะนำให้ใช้ตัวอย่างสังเคราะห์หรือข้อมูลที่ไม่ละเอียดอ่อน
ฉันจะย้ายจากการประเมินแบบโฮสต์ไปเป็นแบบ On-prem ได้อย่างไร[03]
API เหมือนกัน คุณเพียงชี้แอปพลิเคชันของคุณไปยังเอนด์พอยต์ของคุณเองแทนของเรา โดยไม่ต้องเปลี่ยนส่วนอื่นในโค้ด
โมเดลรองรับภาษาใดบ้าง[04]
ภาษามลายู ภาษาอังกฤษ และข้อความที่ผสมสองภาษานี้ไว้ด้วยกัน ตามที่ผู้คนเขียนข้อความและอีเมลจริง โปรดตรวจสอบเกณฑ์วัดผลของแต่ละโมเดลเพื่อดูขอบเขตการรองรับที่แน่ชัดและข้อจำกัด
โมเดลเหล่านี้ใช้แทนการตรวจสอบด้านการปฏิบัติตามข้อกำหนดได้หรือไม่[05]
ไม่ได้ โมเดลทำหน้าที่คัดกรองและจัดทำหลักฐานให้ทีมกำกับดูแลการปฏิบัติตามข้อกำหนดของคุณ และยังต้องมีผู้รับผิดชอบเป็นผู้อนุมัติขั้นสุดท้าย
เริ่มต้นใช้งาน

ใช้งานใน Obiguard
หรือรันฝั่งของคุณเอง

ทดสอบโมเดลกับตัวอย่างของคุณเอง เมื่อคุณพร้อมเก็บข้อมูลไว้ภายในองค์กร API เดียวกันนี้ก็รันภายในเครือข่ายของคุณได้

เริ่มใช้งานฟรีพูดคุยกับฝ่ายขาย →