Des petits modèles de langage conçus spécialement pour évaluer et protéger chaque interaction, et vous offrir un moyen économique de superviser 100 % du trafic.
Un juge frontière peut coûter autour de 5,00 $ par million de tokens scannés. Appliqué à des volumes de production, ce tarif impose un coût bien trop élevé, et c’est pourquoi les équipes vérifient entre 1 et 5 % des interactions en espérant que leur échantillon est représentatif. Mais c’est dans les interactions manquées que se cachent les problèmes : les hallucinations et les injections passées inaperçues.
Il faut environ 3 200 ms à un juge frontière pour donner son verdict. Pendant ce temps, l’outil s’est déjà exécuté, et le verdict ne peut que décrire ce qui s’est passé. Il peut auditer, mais pas protéger. Luna renvoie un verdict en 152 ms en moyenne : c’est suffisant pour bloquer une action avant que l’outil ne se déclenche.
Luna délivre un verdict sous la forme d’un token unique, pour des scores rapides et reproductibles. Si vous exécutez la même entrée deux fois de suite, vous recevrez la même réponse : c’est précisément ce qui fait la fiabilité d’un modèle juge. Et comme Luna s’exécute et s’entraîne au sein de votre VPC, vos données ne franchissent jamais votre pare-feu.
Les métriques prêtes à l’emploi vous mettent le pied à l’étrier, mais votre domaine a sa propre définition de ce qui est correct ou non. Avec Luna Studio, corrigez quelques verdicts de Luna pour lui enseigner vos standards et atteindre environ 95 % de précision sur vos propres tâches. Tout cela, sans pipeline d’étiquetage ni expertise en entraînement de modèles. Examinez, corrigez et livrez une métrique finement ajustée, tout cela dans Studio.
fonctionnalités
Exécutez des évaluations continues sans le coût ni la latence des grands modèles. Les SLM ajustés Luna-2 rendent leur verdict en quelques millisecondes, au prix d’une poignée de centimes par million de tokens. L’évaluation à grande échelle en production devient réalisable.
Protégez les workflows agentiques avant que les erreurs ne se transforment en actions. Luna-2 évalue le choix des outils et les flux des agents en temps réel pour intercepter les comportements dangereux avant que les outils n’exécutent les tâches, plutôt que de détecter les problèmes a posteriori.
Évaluez simultanément différentes dimensions du comportement des agents sans ajouter des secondes de délai. Luna-2 peut exécuter simultanément 10 à 20 vérifications en moins de 200 millisecondes sur les GPU L4 : c’est ce qui permet d’appliquer des garde-fous en temps réel à grande échelle.
Bénéficiez d’évaluations en production sans payer pour un LLM juge frontière à chaque interaction. Luna-2 délivre ses évaluations pour 0,12 $ par million de tokens tout en assurant un haut niveau de précision et une faible latence.
Mesurez bien plus que la réponse finale. Luna-2 évalue les erreurs des outils, la qualité du choix des outils, la progression des actions et leur réalisation pour vous permettre de déterminer si vos agents ont bien poursuivi les objectifs de l’utilisateur.
Évaluez les comportements propres à votre application d’IA. Luna-2 peut prendre en charge des métriques de LLM personnalisées pour les scénarios d’utilisation de production, tandis que les adaptateurs légers permettent de déployer un modèle de base sur des centaines de métriques avec le minimum de frais d’infrastructure.
Luna est une famille de petits modèles de langage spécialisés dans l’évaluation. Les modèles Luna offrent un moyen rapide et économique d’évaluer et d’encadrer les interactions des agents, ce qui permet de superviser 100 % du trafic plutôt qu’un simple échantillon.
Les juges frontière ont deux défauts : le prix et la lenteur. Les équipes ne leur soumettent que 1 à 5 % du trafic, et ne peuvent examiner les actions qu’après leur exécution. Luna est conçu pour une seule tâche : juger les interactions des agents. Ce modèle est suffisamment abordable pour tout évaluer et assez rapide pour protéger vos systèmes en temps réel.
Luna réalise des évaluations et applique des garde-fous pour un coût environ 98 % inférieur à celui d’un LLM juge, ce qui change radicalement l’équation : au lieu de se rationner, les équipes peuvent superviser toutes les interactions.
Oui. Luna rend son verdict sous la forme d’un token unique, et ses scores sont déterministes : si vous exécutez la même entrée deux fois de suite, vous recevrez la même réponse. C’est précisément ce qui fait la fiabilité d’un modèle juge.
Oui. Avec Luna Studio, il vous suffit de corriger quelques verdicts de Luna pour lui enseigner vos standards et atteindre environ 95 % de précision sur vos propres tâches, sans pipeline d’étiquetage ni expertise en entraînement de modèles.
Unifiez les données, le contexte et l’action, tous domaines confondus.
Unifiez la détection des menaces, l’investigation et la réponse pour le SOC agentique.
Prédisez et anticipez les problèmes informatiques avec la supervision des services pilotée par l’IA.
© 2005–2026 Splunk LLC Tous droits réservés.
