Um princípio fundamental mantém-se sempre: o modelo de IA é executado localmente no próprio sistema do utilizador. Os modos Offline, Hybrid e Online não determinam onde o modelo é executado; apenas definem que ligações adicionais Rainbow pode utilizar. No modo Offline, Rainbow funciona sem ligações externas. No modo Hybrid, o modelo continua local e pode utilizar APIs de forma seletiva, por exemplo para obter informações meteorológicas atualizadas. No modo Online, o modelo também permanece local; adicionalmente, pode ser ativado o Rainbow Apex Router integrado.

RAG já faz parte das funcionalidades para utilizadores particulares. Quando necessário, os próprios documentos e as informações disponibilizadas podem ser usados como fonte de conhecimento adicional. Se, por exemplo, for necessário analisar um PDF, um ficheiro Word ou outro documento, os conteúdos relevantes podem ser utilizados para o pedido em questão sem voltar a treinar o modelo. O modelo local continua a ser a base; RAG complementa-o sempre que são necessárias informações adicionais ou atualizadas. Ao mesmo tempo, o controlo sobre os próprios dados continua a ser um elemento central de Rainbow. O armazenamento local de dados é protegido com AES-256, com Argon2id como mecanismo adicional de proteção. Para o utilizador particular, o essencial é simples: o modelo permanece no seu próprio sistema, os dados pessoais podem ser geridos localmente e as ligações adicionais só são utilizadas quando são realmente desejadas.

Para empresas, Rainbow vai bastante mais longe. O modelo empresarial Rainbow não é uma versão Business convencional nem apenas acesso a um serviço de IA generalista. A empresa recebe um modelo próprio, adaptado individualmente à sua realidade. É a própria empresa que decide que conhecimento deve fazer parte desta IA. As informações destinadas a esse fim são preparadas e integradas de forma direcionada no processo de treino e adaptação do seu próprio modelo. A base linguística alemã e o contexto específico da Alemanha já estão incluídos e não são contabilizados como tokens da empresa. O modelo final do cliente, bem como os artefactos de treino e componentes do modelo específicos que dele resultam, destinam-se exclusivamente à respetiva empresa.

RAG complementa o modelo empresarial, mas não o substitui. O conhecimento empresarial que deva permanecer disponível de forma permanente pode passar a fazer parte do próprio modelo. Informação nova ou atual pode também ser utilizada através de RAG. Se, por exemplo, existir um novo ficheiro Word, PDF ou relatório e for necessário utilizar imediatamente a informação nele contida, não é preciso voltar a treinar o modelo empresarial. O documento pode ser disponibilizado como fonte de conhecimento adicional para o pedido atual. A separação mantém-se clara: o modelo empresarial contém o conhecimento que deve fazer parte permanente da IA da empresa; RAG complementa-o de forma flexível com documentos e informações atuais.

O modelo empresarial também funciona localmente e pode ser operado dentro da própria infraestrutura da empresa. Assim, a empresa decide não só que conhecimento entra no seu modelo, mas também em que infraestrutura este é executado e que ligações externas são permitidas. Antes da implementação, é analisado o hardware existente. A dimensão do modelo e a configuração técnica são então ajustadas à infraestrutura real. O resultado não é uma solução padrão pronta a usar, mas um ambiente adaptado aos recursos técnicos disponíveis.

Do ponto de vista técnico, o modelo empresarial inclui muito mais do que a interface visível. Abrange a arquitetura do modelo e do sistema, tokenização, preparação do conhecimento empresarial, treino ou adaptação do modelo, RAG e inferência local. O tokenizer divide o texto em unidades processáveis, designadas tokens. A inferência é o funcionamento efetivo do modelo concluído: o momento em que uma entrada é processada e é gerada uma saída. A encriptação AES-256 e a proteção baseada em Argon2id de Rainbow continuam a fazer parte do sistema. Rainbow cumpre assim dois objetivos claros sobre a mesma base técnica: para particulares, um espaço de trabalho digital organizado com modelo de IA local, RAG e ligações controladas; para empresas, acrescenta-se um modelo próprio adaptado ao conhecimento e à infraestrutura da organização. O princípio mantém-se nos dois casos: o modelo permanece local. O utilizador particular decide que informações próprias e ligações externas são utilizadas; a empresa decide ainda que conhecimento passa a fazer parte do seu próprio modelo e em que infraestrutura este é executado.