Robocikowo>ROBOCIKOWO
Luminous

Luminous

Luminous · Rodzina: Luminous
Rodzina LLM Aleph Alpha (13B–70B; base/extended/supreme): wielojęzyczna, multimodalna (tekst+obraz), z wyjaśnialnością (AtMan) i „suwerenną AI”.
⚠ Deprecated🏢 EnterpriseLLMModel multimodalny📁 Luminous
Okno kontekstowe
2K–8K (base 2K, extended 8K)
tokenów
Parametry
13B–70B (base 13B, extended 30B, supreme 70B)
parametrów
Data premiery
12 października 2022
Dostęp:APIWdrożenie:☁ Cloud💻 Lokalnie

Przegląd

Luminous to rodzina dużych modeli językowych (LLM) opracowana przez niemiecką firmę Aleph Alpha z siedzibą w Heidelbergu, udostępniona 12 października 2022 r. Modele zbudowano w architekturze transformera (GPT) z uczeniem samonadzorowanym, z myślą o zastosowaniach dla przedsiębiorstw i administracji publicznej („suwerenna AI”).

Rodzina obejmuje warianty różniące się skalą: Luminous-base (ok. 13 mld parametrów, okno kontekstu 2K), Luminous-extended (ok. 30 mld, okno 8K), Luminous-supreme (ok. 70 mld) oraz dostrojony instrukcyjnie Luminous-supreme-control. Warianty base i extended są multimodalne — przyjmują na wejściu tekst i obrazy.

Cechą wyróżniającą Luminous jest wyjaśnialność (explainability): Aleph Alpha udostępnia metody (m.in. AtMan) czyniące decyzje modelu bardziej zrozumiałymi, adresując problem „czarnej skrzynki”. Modele są wielojęzyczne (m.in. angielski, niemiecki, francuski, hiszpański, włoski) i były oferowane przez API oraz we wdrożeniach lokalnych/on-premises zgodnych z europejskimi standardami ochrony danych.

Luminous jest modelem własnościowym, kierowanym do klientów enterprise i sektora publicznego. Firma Aleph Alpha (zał. 2019 przez Jonasa Andrulisa i Samuela Weinbacha) była wspierana m.in. przez Schwarz Gruppe, Bosch i SAP. Rodzina Luminous została następnie zastąpiona przez modele Pharia.

Klasyfikacja
LLMModel multimodalny
Rodzina: Luminous
Dostęp i wdrożenie
API
ChmuraLokalnie
Wagi: Zamknięte
Kluczowe parametry
📏 Kontekst: 2K–8K (base 2K, extended 8K)
🧩 Parametry: 13B–70B (base 13B, extended 30B, supreme 70B)
✓ Fine-tuning
📥 Wejście: tekst, obraz

Specyfikacja techniczna

Okno kontekstowe
2K–8K (base 2K, extended 8K)
tokenów
Parametry
13B–70B (base 13B, extended 30B, supreme 70B)
parametrów
Licencja
Proprietary
Wymagania sprzętowe
Dostępny przez API Aleph Alpha oraz we wdrożeniach lokalnych/on-premises (suwerenna AI).
Funkcje:Fine-tuning
Modalności
⬇ Wejście (Input)
textimage
⬆ Wyjście (Output)
text

Możliwości i zastosowania

Natywne możliwości modelu
Modelowanie języka
Zdolność przewidywania kolejnych tokenów i generowania spójnego tekstu w języku naturalnym na podstawie poprzedzającego kontekstu.
Kategoria: language
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Rozumienie multimodalne
Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.
Kategoria: multimodal
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Interpretowalność
Wyjaśnialność predykcji modelu: identyfikacja cech wpływających na decyzję (SHAP, feature importance, attention weights, counterfactuals).
Kategoria: other
Przestrzeganie instrukcji
Precyzyjne wypełnianie wskazówek zawartych w prompcie: format odpowiedzi, długość, styl, ograniczenia (np. 'odpowiedz w sześciu słowach'). GPT-5.1 znacząco poprawił tę zdolność względem GPT-5.
Kategoria: language

Architektura techniczna

Rdzeń architektury (Core Architecture)
Forma modelu (Model Form)
Techniki trenowania (Training Techniques)

Wdrożenie i bezpieczeństwo

🔒 Security / Enterprise
✓ Zweryfikowane informacje enterprise

Pozycjonowany jako „suwerenna AI” dla przedsiębiorstw i administracji: wdrożenia lokalne/on-premises, zgodność z europejskimi standardami ochrony danych (RODO).

Aktualizacja: 24 lip 2026↗ Dokumentacja security