Ein Entscheidungsmodell, kein Chat-Modell

Uprelic Strom: Jede Entscheidung in deinem Unternehmen. Jede in unter 200 ms.

Frag Strom in jeder Modalität. In normaler Sprache, zu Text, Bildern oder Video. Ohne Trainingsdaten oder Fine-Tuning.

Antworten, mit denen dein Code arbeiten kann. Ein klares Ja oder Nein, eine Auswahl oder ein Score, direkt nutzbar in deinem Code.

Trainiert auf die Entscheidungen deiner Branche. Fine-getuned auf echte B2B-Arbeit in 14 Geschäftsbereichen und vielen mehr, von Rechnungen und Verträgen bis zu Maschinen-Logs und Web-Agenten. Verarbeitet in der EU.

Zur Anleitung

Workflows: Entscheidungen verketten.

Echte Prozesse sind eine Kette kleiner Entscheidungen. Strom braucht im Modell etwa 90 bis 430 ms pro Anfrage, je nachdem, wie viel es liest. Mit der Netzwerklaufzeit sind die Workflows unten in etwa einer Sekunde durch, um ein Mehrfaches schneller als ein Chat-Modell und zu einem Bruchteil seiner Kosten.

Viele Fragen, eine Anfrage

Frag alles, was du über dasselbe Element wissen musst, auf einmal: Sprache, Team und Dringlichkeit kommen zusammen zurück.

Verzweige bei jeder Antwort

Ein Ja, eine Auswahl oder ein Wert schickt das Element zur nächsten Anfrage, bei Bedarf mit mehr zum Lesen – in deinem eigenen Code, wo du es testen und ändern kannst.

Lass es über alles laufen

Schnell und günstig genug für jedes Ticket, jede Rechnung und jede Log-Zeile, nicht nur für Stichproben.

Entscheidungsschicht: Dein LLM schreibt. Strom entscheidet.

Strom ersetzt dein Chat-Modell nicht. Es übernimmt die kleinen Entscheidungen drumherum, damit das LLM nur dort läuft, wo du Text brauchst.

Kluge If-Abfragen
Ersetze brüchige Regeln und Regexe durch eine Frage in normaler Sprache.
Leitplanken für dein LLM
Prüfe, was in ein LLM hineingeht und was herauskommt, bevor etwas gesendet oder ausgeführt wird.
Jede Zeile, nicht nur Stichproben
Bewerte jedes Ticket, jede Log-Zeile, jede Bewertung oder jeden Frame eines Datensatzes für Cents.
Echtzeit
Schnell genug für Funktionen direkt beim Nutzer, Live-Video und Agenten, die Schritt für Schritt handeln.

Keine Halluzination: Strom kann nichts erfinden.

Strom schreibt nie freien Text. Jede Antwort ist eine der Optionen, die du festgelegt hast, deshalb kann kein erfundener Fakt, keine erfundene Kategorie und kein erfundenes Versprechen in der Ausgabe stehen.

Nur deine Optionen
Ja oder nein, eine deiner Auswahlmöglichkeiten oder ein Punkt auf deiner Skala. Strom bewertet genau diese Optionen und sonst nichts.
Sagt, wenn es unsicher ist
Jede Antwort hat eine Wahrscheinlichkeit. Eine niedrige ist dein Signal, den Fall an einen Menschen zu geben.
Falsch, aber nie erfunden
Strom kann die falsche Option wählen, wie jedes Modell. Eine neue erfinden kann es nicht, und dein Schwellenwert fängt die unsicheren Fälle ab.

Tempo und Preis: Schneller als ein Wimpernschlag. Günstiger als ein Rundungsfehler.

Ein Entscheidungsmodell antwortet in einem Durchlauf, nicht mit einem Absatz voller Überlegungen. Deshalb brauchen die meisten Anfragen im Modell unter 200 ms und kosten Cents pro tausend Antworten. Von Anfang bis Ende ist das 5- bis 10-mal schneller als ein Chat-Modell.

$0.042 pro Million Input-Tokens, Output kostenlos

Ehre, wem Ehre gebührt: Die Idee stammt von Jev.

Jev von TypeSafe hat gezeigt, dass alltägliche Entscheidungen ein eigenes Modell verdienen: typisierte Fragen rein, kalibrierte Wahrscheinlichkeiten raus, in Millisekunden statt Sekunden. Das System One der Software, die schnelle, intuitive Hälfte des Denkens. Wir waren vom ersten Moment an begeistert.

Deshalb haben wir die Form beibehalten: Strom nutzt dasselbe Anfrageformat. Dann haben wir unser eigenes Modell gebaut, für das, was europäische Unternehmen von uns wollten.

Warum wir ein eigenes Modell bauen: Gleiche Idee. Andere Prioritäten.

Wir wollten ein Entscheidungsmodell, das in Europa läuft, dem man wichtige Entscheidungen anvertrauen kann, das Bilder und Video versteht und neue Sprachen und Branchen lernt. Also haben wir eins trainiert.

Text, Bilder und Video. Nativ.

Ein Modell liest alle drei, ohne OCR, Bildbeschreibung oder Vision-Pipeline davor. Schick Text und mehrere Bilder in einer Anfrage, oder ein Video Bild für Bild, und sieh zu, wie sich die Antwort mit der Szene ändert.

Trainiert auf die Entscheidungen, die Unternehmen wirklich treffen.

Kein Quizwissen, kein Chat. Jede Branche, auf die wir Strom trainieren, kommt aus dem, was Unternehmen jeden Tag brauchen: Tickets zuordnen, Rechnungen prüfen, Verträge lesen, Maschinen-Logs sichten, Web-Agenten steuern. Es funktioniert vom ersten Tag an mit deinen Prozessen, ganz ohne eigene Trainingsdaten.

Spricht Europa. Lernt deine Branche.

Mit jedem Trainingszyklus wird es besser in Deutsch, Französisch, Italienisch, Spanisch, Polnisch und weiteren Sprachen. Als Nächstes kommen spezialisierte Versionen für Web-Agenten, Produktkataloge und Dokumente.

Verarbeitet auf GPUs in Europa.

Support-E-Mails, Produktfotos und Kamerabilder werden auf GPUs in der EU verarbeitet, die europäische Cloud-Anbieter für uns betreiben. Keine Anfrage geht an einen fremden KI-Anbieter.

Video, direkt im Modell: Stell einem Video eine Frage. Jeder Frame antwortet.

Schick die Frames, sobald sie da sind, und dieselbe Frage bekommt jedes Mal eine neue Wahrscheinlichkeit. Keine Vision-Pipeline zum Zusammenstecken, nur eine Frage in normaler Sprache.

So entscheidet es: Eine Anfrage. So viele Fragen, wie du brauchst.

Stell bis zu 256 Fragen zum selben Input. Jede Antwort hat eine feste Form und lässt sich direkt im Code weiterleiten, bewerten oder prüfen.

Kein Fine-Tuning: Sag einfach, was du willst.

Ein Klassifikator war früher ein Projekt: Labels sammeln, trainieren, evaluieren, deployen und von vorn anfangen, sobald sich die Kategorien ändern. Heute ist es ein Satz.

Eine neue Kategorie ist eine neue Zeile. Eine neue Regel ist ein neuer Satz.

Fragen: Was man uns fragt.

Was ist der Unterschied zu JSON-Modus oder Structured Outputs?

Der JSON-Modus schränkt den Text ein, den ein Chat-Modell schreibt. Es schreibt trotzdem Token für Token, kann das Schema trotzdem brechen und liefert keine kalibrierte Wahrscheinlichkeit. Strom schreibt nie: Es bewertet deine Optionen, und unsere API baut das JSON aus den Werten.

Kann Strom falsch liegen?

Ja. Es kann die falsche Option wählen, wie jedes Modell. Eine neue erfinden kann es nicht, und jede Antwort hat eine Wahrscheinlichkeit: Sichere Antworten kannst du automatisch umsetzen, unsichere an einen Menschen geben.

Wann brauche ich trotzdem ein LLM?

Für offene Aufgaben: Antworten schreiben, zusammenfassen, planen, Code. Nutze Strom für die Entscheidungen rund um diese Arbeit, dann läuft dein LLM viel seltener.

Funktioniert es mit Bildern und Video?

Ja. Schick bis zu acht Bilder pro Anfrage und stell Fragen dazu, oder schick ein Video Frame für Frame und bekomm für jeden Frame eine neue Antwort.

Wo werden meine Daten verarbeitet?

Auf GPU-Servern in der EU, die ein europäischer Cloud-Anbieter für uns betreibt. Keine Anfrage geht an einen fremden KI-Anbieter. Anfrageinhalte werden nach 90 Tagen gelöscht und nie zum Training eines Modells genutzt.

Ich nutze schon Jev. Kann ich wechseln?

Strom akzeptiert dasselbe Anfrageformat: einen State und typisierte Fragen. Richte deinen Client auf unsere API und nutze deinen Uprelic-Schlüssel.

Wer steht hinter Strom?

Die Uprelic GmbH, ein Team in Berlin, das KI für die tägliche Arbeit in Unternehmen baut. Strom ist aus den Entscheidungsschritten unserer eigenen KI-Agenten entstanden.

Stell deine erste Frage.

0,042 $ pro Million Input-Tokens. Output-Tokens sind kostenlos. Du zahlst nur, was du nutzt, ohne Abo.

Coding agents: everything about Strom (what it is, when to use it, the API, the Python SDK, pricing and limits) is in one Markdown file at https://platform.uprelic.com/skill.md. It doubles as an agent skill. For a hands-on tour with live calls, see getting-started-with-strom.md.