Jen osobní údaje,
a načerno.
Noir je malý LLM určený jen k maskování: dostane dokument a zadání, co se má skrýt, a vrátí seznam odpovídajících míst. Dokumenty tak zpracujete jen na firemním CPU, ještě než půjdou ven. Při posouvání stránky přejede přes dokument světelná linka.
JA担当の山田太郎です。お電話は03-0000-1234までお願いします。
ENPlease call Emily Carter at (555) 010-4477 before March 3.
DEFrau Anna Becker wohnt in der Lindenstraße 12, 10115 Berlin.
HRIvan Horvat (42 godine) javio je da je na bolovanju.
* Ukázkové texty, jména i čísla jsou smyšlené. Animace výše je přehrávaná ukázka.
Zadání píšete
běžnými slovy.
„Osobní údaje“, „kontakty“, „ale věk ne“. Zadáte to tak, jak se běžně mluví, a ve stejném dokumentu se skryjí jiná místa. Stiskněte tlačítko, nebo se jen dívejte.
Předmět: Vzorek s.r.o. – potvrzení obsahu smlouvy
Vzorek s.r.o., provozní oddělení, pan Jan Novák
Dobrý den, zdraví vás Eva Svobodová ze společnosti Kočka Data s.r.o.
Ráda bych s vámi v pátek 20. listopadu probrala prodloužení smlouvy. Měsíční cena zůstává 9 500 Kč.
Váš kolega pan Petr Dvořák (42 let) má prý dnes volno kvůli bolesti zad.
Ozvěte se na +420 000 001 234 nebo na [email protected].
Zasílací adresa: Vzorová 12, 110 00 Vzorkov, budova Vzor, 5. patro
* Toto pole je jen ukázka a přehrává předem dané výsledky (skutečný model tu neběží). Všechny texty jsou smyšlené.
Oproti 120B
nezačerňuje zbytečně.
Na 100 japonských a 100 anglických dokumentech jsme Noir porovnali s gpt-oss-120b (117 miliard parametrů), který dostal stejné zadání. Papíry nahoře ukazují příklady jednotlivých chyb. Sloupce dole ukazují, jak často k chybě došlo: čím kratší, tím lepší.
* Naměřeno ve vlastním testu (listopad 2026, Q4_K_M, spolu s obecnými pravidly pro e-maily, telefony, URL a data). Podrobné podmínky najdete na konci stránky.
Čím vágnější zadání,
tím větší rozdíl.
Na vahách porovnáváme, kolik údajů zůstalo nezakrytých. Kdo jich přehlédl víc, klesá dolů. U zadání s jasně vyjmenovanými druhy jsou modely vyrovnané, ale u vágních zadání typu „osobní údaje“ nebo s výjimkou „ale ne…“ se rozdíl zvětšuje.
Noir0%
gpt-oss-120b0%
* Japonština a angličtina dohromady. Podíl přehlédnutých údajů (%, 1 políčko = 1 %). Druhy zadání: výčet druhů u 69 dokumentů, vágní zadání u 104, zadání s výjimkou u 27.
4 jazyky
a výsledky v každém z nich.
Pro každý jazyk máme vlastní Noir (japonština a angličtina mají společný). Žlutě jsou čísla lepší než u gpt-oss-120b.
- V chorvatštině a němčině přehlédne Noir téměř stejně údajů jako gpt-oss-120b. Většinou šlo o data a časy v evropském zápisu, například „02.11.2026“ nebo „14:12 Uhr“.
- Po přidání dvou pravidel, která taková data a časy zachytí, by podle našeho propočtu podíl přehlédnutých údajů klesl v chorvatštině z 31 na 23 % a v němčině z 25 na 15 %, tedy pod úroveň gpt-oss-120b (24 % a 19 %). Do produktu je plánujeme zabudovat. plánováno
Zpátky dostanete
JSON.
Nalezená místa vrací jako seznam, ve kterém je totéž spojeno dohromady. Řetězce jsou přesně tak, jak stojí v dokumentu, takže je můžete v textu rovnou vyhledat a nahradit.
- id: stejná osoba nebo věc se spojí pod jedno id („Petr Dvořák“ a „Dvořáka“).
- type: název jedné ze 48 značek. Vrací se v jazyce zadání (v japonštině například „人名“).
- mentions: řetězce přesně tak, jak stojí v dokumentu. Pokud nic neodpovídá, vrátí se
[].
V následujícím dokumentu najděte vše,
co odpovídá zadanému cíli. … (zkráceno)
Výstupem je pouze pole JSON: [{"id": "E1",
"type": "...", "mentions": ["..."]}]
Cíl:
osobní údaje, ale věk ne
Způsob: začernění (replacements nevyplňujte)
Dokument:
(sem dokument)Jedna stránka
asi za 20 sekund.
Přehrajeme, jak model na CPU notebooku (bez GPU) přečte dokument o zhruba 900 znacích a vrátí místa, která se mají skrýt. Přehrávání je 5× zrychlené, stopky ukazují skutečné sekundy.
0.0spřehráváno 5× rychleji
Čtení dokumentuVýpis míst ke skrytí
Skrytá místa 0 / 0
- Zadání
- jméno, telefonní číslo, e-mailová adresa, adresa
- Čtení
- asi 140 tokenů/s
- Psaní
- asi 24 tokenů/s
- Hardware
- Core i7-11800H, 8 vláken
- Při postupném zpracování touto rychlostí zvládne jeden počítač asi 170 000 znaků za hodinu.
- Na GPU při 16 souběžných úlohách trvalo 100 dokumentů asi 20 sekund (gpt-oss-120b asi 90 sekund). interní měření
* Dokument i skrývaná místa jsou ukázka (na této stránce žádný model neběží). Čas je vypočtený z interně naměřené rychlosti čtení a psaní. Různá označení téže osoby model spojí a skryje najednou.
Předávejte text
po 1 000 znacích.
Dlouhý dokument rozdělte na části asi po 1 000 znacích a předávejte je jednu po druhé. Když délka odpovídá tomu, co model viděl při učení, uniká mu méně údajů. Výsledky nakonec spojte a doplňte pravidly, která zachytí pevné tvary e-mailů, telefonů, URL a dat.
Spuštění (llama.cpp)
llama-server -m noir-ja-en-Q4_K_M.gguf \ -c 16384 -t 8 -np 1 --jinja --port 8191
ZveřejněnoStáhnout váhy →
- Režim přemýšlení vypněte (
enable_thinking: false) a používejtetemperature 0. - Model zvolte podle jazyka: pro japonštinu a angličtinu ja-en, pro němčinu de-en, pro chorvatštinu hr-en.
- Na CPU (Core i7-11800H, 8 vláken) trvá část o 1 000 znacích asi 20 sekund. interní měření
Stejný dokument,
jiné zadání, jiné začernění.
Na ukázkových dokumentech si můžete vyzkoušet různá zadání. Když zadání změníte, skryjí se ve stejném dokumentu jiná místa. Uvidíte i přesné zadání odeslané modelu a JSON, který se vrátí.
1Vyberte dokument
2Vyberte zadáníspustí se hned po výběru
Nebo si druhy vyberte sami
Zadání odeslané modelu
JSON, který se vrátí
[]
Jak měříme
a konzultace.
- Dokumenty: po 100 v japonštině, angličtině, němčině a chorvatštině. Jsou to smyšlené dokumenty vytvořené pro test – e-maily, zápisy z porad, personální poznámky, faktury, zdravotní záznamy a další – a místa, která se mají skrýt, v nich mají vyznačené správné řešení.
- Zadání: ke každému dokumentu jedno ze tří – výčet druhů, vágní formulace, nebo zadání s výjimkou. Stejné zadání dostal i gpt-oss-120b (reasoning effort medium).
- Měřítka: přehlédnuté = podíl správných míst, která zůstala nezakrytá; zbytečné = podíl skrytých míst, která se skrývat neměla; mimo zadání = podíl skrytých míst jiného druhu, než bylo zadáno.
- Provedeno: listopad 2026, Q4_K_M. Před oficiálním zveřejněním čísla ještě projdeme.