Jedna podstawowa zasada zawsze pozostaje taka sama: model AI działa lokalnie na własnym systemie użytkownika. Tryby Offline, Hybrid i Online nie określają, gdzie działa model, lecz wyłącznie z jakich dodatkowych połączeń może korzystać Rainbow. W trybie Offline Rainbow działa bez połączeń zewnętrznych. W trybie Hybrid model pozostaje lokalny i może w sposób celowy korzystać z API, na przykład do pobierania aktualnych informacji pogodowych. W trybie Online model również pozostaje lokalny, a dodatkowo można włączyć zintegrowany Rainbow Apex Router.

RAG jest już częścią funkcji dla użytkowników prywatnych. W razie potrzeby własne dokumenty i udostępnione informacje mogą służyć jako dodatkowe źródło wiedzy. Jeśli na przykład trzeba przeanalizować plik PDF, dokument Word lub inny dokument, istotne treści można wykorzystać do konkretnego zapytania bez ponownego trenowania modelu. Model lokalny pozostaje podstawą, a RAG uzupełnia go tam, gdzie potrzebne są dodatkowe lub aktualne informacje. Jednocześnie kontrola nad własnymi danymi pozostaje jednym z centralnych założeń Rainbow. Lokalne przechowywanie danych jest chronione przy użyciu AES-256, a Argon2id stanowi dodatkową warstwę zabezpieczeń. Dla użytkownika prywatnego najważniejsze jest to, że model pozostaje na jego własnym systemie, dane osobowe mogą być zarządzane lokalnie, a dodatkowe połączenia są używane tylko wtedy, gdy użytkownik rzeczywiście tego chce.

Dla firm Rainbow idzie znacznie dalej. Model firmowy Rainbow nie jest klasyczną wersją Business ani po prostu dostępem do ogólnej usługi AI. Firma otrzymuje własny model, indywidualnie dostosowany do jej potrzeb. To firma decyduje, jaka wiedza ma stać się częścią tej AI. Informacje przeznaczone do tego celu są przygotowywane i celowo włączane do procesu trenowania i dostosowywania własnego modelu. Niemiecka baza językowa i baza kontekstu związanego z Niemcami są już zawarte i nie są liczone jako tokeny firmowe. Gotowy model klienta oraz powstające na jego podstawie firmowe artefakty treningowe i komponenty modelu są przeznaczone wyłącznie dla danej firmy.

RAG uzupełnia model firmowy, ale go nie zastępuje. Wiedza firmowa, która ma być dostępna na stałe, może stać się częścią własnego modelu. Nowe lub bieżące informacje można dodatkowo wykorzystywać przez RAG. Jeśli na przykład pojawi się nowy plik Word, PDF lub raport i zawarte w nim informacje mają zostać użyte od razu, modelu firmowego nie trzeba ponownie trenować. Dokument może zostać udostępniony jako dodatkowe źródło wiedzy dla bieżącego zapytania. Podział pozostaje jasny: model firmowy zawiera wiedzę, która ma na stałe należeć do własnej AI firmy; RAG elastycznie uzupełnia ją o aktualne dokumenty i informacje.

Model firmowy również działa lokalnie i może być uruchamiany w infrastrukturze należącej do firmy. Firma decyduje więc nie tylko o tym, jaka wiedza trafia do modelu, ale również na jakiej infrastrukturze jest on uruchamiany i jakie połączenia zewnętrzne są dozwolone. Przed wdrożeniem analizowany jest dostępny sprzęt. Wielkość modelu i konfiguracja techniczna są następnie dopasowywane do rzeczywistej infrastruktury. W efekcie nie powstaje gotowe rozwiązanie standardowe, lecz środowisko odpowiadające istniejącym możliwościom technicznym.

Od strony technicznej model firmowy obejmuje znacznie więcej niż widoczny interfejs. W jego skład wchodzą architektura modelu i systemu, tokenizacja, przygotowanie wiedzy firmowej, trening lub dostosowanie modelu, RAG oraz lokalna inferencja. Tokenizer dzieli tekst na jednostki możliwe do przetworzenia, czyli tokeny. Inferencja to właściwe działanie gotowego modelu – moment, w którym przetwarzane jest wejście i generowane jest wyjście. Szyfrowanie AES-256 oraz zabezpieczenia oparte na Argon2id pozostają częścią systemu Rainbow. Rainbow realizuje więc dwa wyraźne cele na tej samej podstawie technicznej: dla użytkowników prywatnych tworzy uporządkowane cyfrowe miejsce pracy z lokalnym modelem AI, RAG i kontrolowanymi połączeniami; dla firm dodatkowo zapewnia własny model dostosowany do wiedzy i infrastruktury przedsiębiorstwa. Zasada w obu przypadkach pozostaje taka sama: model działa lokalnie. Użytkownik prywatny decyduje, które własne informacje i połączenia zewnętrzne są wykorzystywane; firma dodatkowo decyduje, jaka wiedza staje się częścią jej własnego modelu i na jakiej infrastrukturze model działa.