Один базовый принцип всегда остается неизменным: модель ИИ работает локально на системе самого пользователя. Режимы Offline, Hybrid и Online не определяют, где выполняется модель; они лишь задают, какие дополнительные подключения может использовать Rainbow. В режиме Offline Rainbow работает без внешних подключений. В режиме Hybrid модель остается локальной и может точечно использовать API, например для получения актуальной информации о погоде. В режиме Online модель также остается локальной; дополнительно можно включить встроенный Rainbow Apex Router.

RAG уже входит в набор функций для частных пользователей. При необходимости собственные документы и предоставленная информация могут использоваться как дополнительный источник знаний. Если, например, требуется проанализировать PDF, файл Word или другой документ, релевантное содержимое можно использовать для конкретного запроса без повторного обучения модели. Локальная модель остается основой, а RAG дополняет ее там, где нужна дополнительная или актуальная информация. При этом контроль над собственными данными остается одним из центральных принципов Rainbow. Локальное хранение данных защищается с помощью AES-256, а Argon2id добавляет дополнительный уровень защиты. Для частного пользователя главное просто: модель остается на его собственной системе, персональными данными можно управлять локально, а дополнительные подключения используются только тогда, когда пользователь действительно этого хочет.

Для компаний Rainbow идет значительно дальше. Корпоративная модель Rainbow — это не обычная Business-версия и не просто доступ к универсальному сервису ИИ. Компания получает собственную модель, индивидуально адаптированную под нее. Компания сама определяет, какие знания должны стать частью этой ИИ-системы. Предназначенная для этого информация подготавливается и целенаправленно включается в процесс обучения и адаптации собственной модели. Немецкая языковая база и база, учитывающая контекст Германии, уже включены и не учитываются как корпоративные токены. Готовая клиентская модель, а также возникающие на ее основе специфические для компании обучающие артефакты и компоненты модели предназначены исключительно для соответствующей компании.

RAG дополняет корпоративную модель, но не заменяет ее. Знания компании, которые должны быть доступны постоянно, могут стать частью собственной модели. Новая или актуальная информация может дополнительно подключаться через RAG. Если, например, появился новый файл Word, PDF или отчет и содержащуюся в нем информацию нужно использовать сразу, повторно обучать корпоративную модель не требуется. Документ можно предоставить как дополнительный источник знаний для текущего запроса. Разделение остается четким: корпоративная модель содержит знания, которые должны постоянно быть частью собственной ИИ-системы компании; RAG гибко дополняет их актуальными документами и информацией.

Корпоративная модель также работает локально и может эксплуатироваться внутри собственной инфраструктуры компании. Поэтому компания определяет не только, какие знания попадают в модель, но и на какой инфраструктуре она работает и какие внешние подключения разрешены. До внедрения анализируется имеющееся оборудование. Размер модели и техническая конфигурация затем подбираются под фактическую инфраструктуру. В результате получается не типовое готовое решение, а среда, соответствующая имеющимся техническим ресурсам.

С технической точки зрения корпоративная модель включает гораздо больше, чем видимый интерфейс. В нее входят архитектура модели и системы, токенизация, подготовка корпоративных знаний, обучение или адаптация модели, RAG и локальный инференс. Токенизатор разбивает текст на обрабатываемые единицы — токены. Инференс — это непосредственная работа готовой модели: момент, когда входные данные обрабатываются и формируется результат. Шифрование AES-256 и защита на основе Argon2id, используемые в Rainbow, остаются частью системы. Таким образом, Rainbow решает две четкие задачи на одной технической основе: для частного пользователя это упорядоченное цифровое рабочее пространство с локальной моделью ИИ, RAG и контролируемыми подключениями; для компании дополнительно создается собственная модель, настроенная под ее знания и инфраструктуру. Принцип в обоих случаях один: модель остается локальной. Частный пользователь решает, какие его данные и внешние подключения используются; компания дополнительно определяет, какие знания входят в ее собственную модель и на какой инфраструктуре она работает.