Hellas Inference
Πλατφόρμα

Ένα Company Brain και μία Κυρίαρχη υποδομή inference (εκτέλεση μοντέλων) κάτω από κάθε προϊόν.

Δεδομένα και υπολογισμός υπό ελληνικό και ευρωπαϊκό έλεγχο.

Πέντε επίπεδα, το καθένα μετρημένο. Τα προϊόντα χτίζονται από πάνω, οπότε μια βελτίωση στον πυρήνα βελτιώνει κάθε κλήση, κάθε κράτηση και κάθε απάντηση.

Αρχιτεκτονική

Πέντε επίπεδα, από πάνω προς τα κάτω

  1. Επίπεδο 5

    Factory

    Μετατρέπει ένα αίτημα ή μια «πρόσληψη» σε App Manifest (οντότητες, ροές εργασιών, δεξιότητες, κανάλια, πολιτικές, connectors) και το ενεργοποιεί. Η δημοσίευση είναι και η εγκατάσταση.

    App ManifestΜηχανή ροών εργασιώνΥπογεγραμμένα πακέτα δεξιοτήτων
  2. Επίπεδο 4

    Κανάλια

    Φωνή, WhatsApp, web εφαρμογές και τηλεφωνία (SIP) συνδέονται στο ίδιο Brain: ένα ραντεβού που κλείστηκε τηλεφωνικά φαίνεται και στο chat.

    ΦωνήWhatsAppWebSIP
  3. Επίπεδο 3

    Μητρώο δεξιοτήτων και πρακτόρων

    Ένας ψηφιακός συνεργάτης είναι ρόλος, δεξιότητες και πολιτικές. Κάθε δεξιότητα είναι τυποποιημένο συμβόλαιο με ντετερμινιστικό κώδικα, tests και συνθήκες εφαρμογής, υπογεγραμμένη και αξιολογημένη με και χωρίς τη δεξιότητα.

    Τυποποιημένα συμβόλαιαTestsΥπογραφήΣυγκριτική αξιολόγηση
  4. Επίπεδο 2

    Company Brain

    Η επιχείρησή σας ως τυποποιημένες οντότητες, σχέσεις και κανόνες, σε bitemporal αποθήκη. Μια πύλη κανόνων ελέγχει κάθε προτεινόμενη ενέργεια και κάθε απόφαση γράφεται σε αμετάβλητο αρχείο ελέγχου (audit trail), κρυπτογραφικά αλυσιδωτό. Το μοντέλο προτείνει, οι κανόνες αποφασίζουν.

    Πρότυπα οντολογίαςBitemporal αποθήκηΠύλη κανόνωνΑρχείο ελέγχου
  5. Επίπεδο 1

    Κυρίαρχη υποδομή inference

    Ανοιχτά μοντέλα σε vLLM με FP8 και prefix caching, σε GPU σε ελληνικά κέντρα δεδομένων. Δρομολόγηση μεταξύ μοντέλων με βάση τη βεβαιότητα· κάθε αποτυχημένη εκτέλεση γίνεται διόρθωση δεξιότητας ή παράδειγμα για fine-tuning.

    vLLM FP8Εξειδικευμένα (fine-tuned) μοντέλαΔρομολόγησηΦάκελοι AI Act
Προϊόντα

Τι εκτελείται σε αυτή την πλατφόρμα

Φωνητικός πράκτορας & IVR για τηλεφωνικά κέντρα

Σε παραγωγή

Ελληνικός φωνητικός πράκτορας, σύνοψη κλήσεων, RAG helpdesk

Περισσότερα

Τηλεφωνική ρεσεψιονίστ AI

Σε παραγωγή

Κρατήσεις από τηλέφωνο και WhatsApp για μικρές επιχειρήσεις

Περισσότερα

AI Employee

Σε παραγωγή

Ψηφιακοί συνεργάτες και Finance Brain πάνω στο ERP σας

Περισσότερα

Κυρίαρχη υποδομή inference

Πρώιμη πρόσβαση

API συμβατό με OpenAI σε GPU σε ελληνικά κέντρα δεδομένων

Περισσότερα
Τοπικότητα δεδομένων

Ο κανόνας τοπικότητας δεδομένων

  • Κανένα αμερικανικό API στη διαδρομή εξυπηρέτησης
  • Frontier μοντέλα μόνο ως κριτές και δάσκαλοι, σε δεδομένα εγκεκριμένα για αυτόν τον σκοπό
  • Οι μετρήσεις σε ενοικιαζόμενες GPU γίνονται μόνο με δεδομένα που δεν ανήκουν σε πελάτες

Ο κανόνας ισχύει για κάθε προϊόν που εξυπηρετείται από τον πυρήνα της Hellas Inference. Το AI Employee τρέχει σήμερα σε cloud της ΕΕ με API μοντέλων τρίτων και μεταφέρεται στον ελληνικό πυρήνα το 2027· από τότε ισχύει και γι’ αυτό ο κανόνας.

Τα δεδομένα των πελατών και όλη η εξυπηρέτηση μένουν σε ελληνικά κέντρα δεδομένων. Αμερικανικά API δεν μπαίνουν ποτέ στη διαδρομή εξυπηρέτησης. Τα frontier μοντέλα χρησιμοποιούνται μόνο ως κριτές και δάσκαλοι στην αξιολόγηση.

Ο κανόνας τοπικότητας δεδομένων της Hellas Inference
Μοντέλα

Τέσσερα μοντέλα, το καθένα με όνομα και μετρήσεις

Το καθένα είναι ανοιχτό μοντέλο βάσης με δικό μας εξειδικευμένο adapter. Όλα συνοδεύονται από φάκελο AI Act (Κανονισμός (ΕΕ) 2024/1689 για την τεχνητή νοημοσύνη) και model card.

Ρόλοι μοντέλων. Iris: το άμεσο μοντέλο, για ελληνικό κείμενο τηλεφωνικών κέντρων και συνόψεις κλήσεων. Metis: το μοντέλο συλλογισμού, για ερωτήσεις σε έγγραφα και πράκτορες που καλούν εργαλεία. Clio: αναγνώριση ομιλίας. Calliope: φωνή. Το καθένα είναι ανοιχτό μοντέλο βάσης με δικό μας εξειδικευμένο adapter· το μοντέλο βάσης αναγράφεται σε κάθε κάρτα. Τα Llama και Qwen παραμένουν διαθέσιμα ως εναλλακτικές δρομολόγησης.

Άμεσο LLM

Iris 8B

Από την ταχύπτερη αγγελιοφόρο. Ελληνικό κείμενο τηλεφωνικών κέντρων και συνόψεις κλήσεων, με άμεση απόκριση.

Παράμετροι
8,2 δισ.
Μοντέλο βάσης
Llama-Krikri-8B-Instruct (ΙΕΛ / Ε.Κ. «Αθηνά»). Built with Llama.
Adapter
LoRA, rank 16, ενσωματωμένο στα βάρη
Εκπαίδευση σε
1.765 συνόψεις κλήσεων ελληνικού τηλεφωνικού κέντρου
Εξυπηρέτηση
FP8 · vLLM · prefix caching
  • 200ταυτόχρονες συνόψεις ανά H200 εντός 2 δευτερολέπτων
  • −45%καθυστέρηση σε 200 ταυτόχρονα αιτήματα, από τη σειρά του prompt
  • ≈ 1/30του κόστους ανά κλήση ενός frontier API
LLM συλλογισμού

Metis 12B · 26B

Από τη θεά της σύνεσης. Ερωτήσεις σε έγγραφα στο 12B· πράκτορες που κατανοούν τον καλούντα και καλούν εργαλεία στο 26B.

Παράμετροι
12 δισ. · 25,8 δισ. (4 δισ. ενεργές ανά token)
Μοντέλο βάσης
Gemma 4 12B · Gemma 4 26B-A4B (Google)
Adapter
LoRA, rank 16, 18,6 εκατ. παράμετροι, για κατανόηση γλώσσας (26B)
Εκπαίδευση σε
9.444 γύροι ελληνικού διαλόγου, πραγματικοί και παραγόμενοι
Εξυπηρέτηση
FP8 · 26 GB (26B) · vLLM · context 32k
  • 4,41 / 5ποιότητα απαντήσεων σε ελληνικά εταιρικά έγγραφα (12B)
  • 131 / 190εργασίες κρατήσεων και εξυπηρέτησης που ολοκληρώθηκαν σωστά (26B)
  • 88,8%των προφορικών γύρων με πλήρη κατανόηση, από 85,6% πριν από το adapter
Αναγνώριση ομιλίας

Clio 1.5B

Από τη μούσα που καταγράφει όσα ειπώθηκαν. Μεταγραφή ελληνικών σε ροή, για τηλεφωνικό ήχο.

Παράμετροι
1,55 δισ.
Μοντέλο βάσης
Whisper large-v3 (OpenAI)
Adapter
LoRA, rank 32, ενσωματωμένο στα βάρη
Εκπαίδευση σε
Ελληνικός τηλεφωνικός ήχος, με πραγματικές κλήσεις ελεγμένες από άνθρωπο
Εξυπηρέτηση
fp16 · 3,4 GB · ροή με ενδιάμεσες μεταγραφές
  • 10,2%ποσοστό λαθών λέξεων σε ελληνικό ήχο εκτός εκπαίδευσης· το μοντέλο βάσης έχει 17,2%
  • −43%λάθη λέξεων σε πραγματικές κλήσεις 8 kHz, μετά την εκπαίδευση σε πραγματικούς καλούντες
  • 32ροές ανά GPU με batching
Φωνή · σύνθεση ομιλίας

Calliope 3B

Από τη μούσα με την ωραία φωνή. Μία σταθερή ελληνική φωνή σε κάθε κλήση.

Παράμετροι
3 δισ.
Μοντέλο βάσης
Orpheus 3B (βάση Llama 3.2, codec 24 kHz). Built with Llama.
Adapter
LoRA, rank 32, 48,6 εκατ. παράμετροι, ενσωματωμένο στα βάρη
Εκπαίδευση σε
15 ώρες μίας επαγγελματικής ελληνικής φωνής
Εξυπηρέτηση
fp16 · 6,2 GB · vLLM
  • 0,19 sέως τον πρώτο ήχο, διάμεσος
  • 4,3×ταχύτερα από τον πραγματικό χρόνο, σε ροή
  • 423*ταυτόχρονες ροές ανά H200

* Μετρήθηκε στο ελληνικό μοντέλο βάσης πριν ενσωματωθεί το adapter της φωνής. Ένα ενσωματωμένο adapter δεν αλλάζει το μέγεθος του μοντέλου.

Llama · Qwen

Εναλλακτικές δρομολόγησης

Άλλα ανοιχτά μοντέλα, που δρομολογούνται όπου μια εργασία ή μια άδεια χρήσης τα ευνοεί.

Εξυπηρέτηση

vLLM FP8

FP8 με prefix caching. Ποτέ INT4 σε GPU Hopper: το μετρήσαμε 8 φορές πιο αργό.

Για developers

Καλέστε τα μοντέλα μας από τον δικό σας κώδικα

API συμβατό με OpenAI, σε GPU σε ελληνικά κέντρα δεδομένων. Κοστολογήστε το φορτίο σας δίπλα στα frontier API και δημιουργήστε λογαριασμό πρώιμης πρόσβασης. Ένας διαχειριστής ελέγχει κάθε λογαριασμό και χορηγεί την πρόσβαση.

Αποκτήστε πρώιμη πρόσβασηΥπολογιστής κόστους
Πάροχοι

Πού εκτελείται

Η εκπαίδευση και η παραγωγή κρατούνται χωριστά, και κάθε τοποθεσία εξυπηρέτησης βρίσκεται στην Ελλάδα.

Τι εκτελείται πού σήμερα: Τα φορτία τηλεφωνικών κέντρων σε αποκλειστική χωρητικότητα σε κέντρα δεδομένων της Αθήνας. Το AI Employee σε cloud της ΕΕ μέχρι τη μεταφορά του στον ελληνικό μας πυρήνα το 2027. Η εκπαίδευση και η αξιολόγηση σε ελληνικές εγκαταστάσεις και μέσω πρόσβασης στο PHAROS AI Factory· οι μετρήσεις σε ενοικιαζόμενες GPU γίνονται μόνο με δεδομένα που δεν ανήκουν σε πελάτες.

  • Αποκλειστική χωρητικότητα GPU στην Αθήνα

    Αποκλειστική χωρητικότητα GPU σε κέντρα δεδομένων στην Αθήνα, που λειτουργούν Έλληνες πάροχοι.

    Παραγωγή, με σύμβαση ανά πελάτη
  • PHAROS AI Factory / DAEDALUS (ΕΔΥΤΕ – GRNET, EuroHPC)

    Το εθνικό AI Factory της Ελλάδας, στο Λαύριο, για fine-tuning και μεγάλες εκτελέσεις αξιολόγησης μέσω πρόσβασης στο AI Factory.

    Εκπαίδευση και αξιολόγηση · υπό την προϋπόθεση έγκρισης πρόσβασης
  • Ιδιόκτητοι κόμβοι H200

    Ιδιόκτητοι κόμβοι H200 σε colocation στην Αθήνα, ως ασφάλεια χωρητικότητας.

    Προγραμματισμένο για το 2027

Ξεκινήστε με μία διαδικασία.

Πείτε μας ποιες κλήσεις, ποια έγγραφα ή ποιες ερωτήσεις θέλετε να καλυφθούν. Το μετράμε στα δικά σας δεδομένα πριν δεσμευτείτε.

Ζητήστε παρουσίαση[email protected]