Galaris

Modèles, profils et harnais

Choisissez les ressources IA par usage et le moteur des tâches par agent. L’identité et les objets durables restent gérés par Galaris.

Un modèle, un profil, un harnais

Le fournisseur donne accès à des ressources d’inférence. Le modèle réalise un usage. Le profil organise ces choix. Un harnais exécute uniquement une tâche : il ne reçoit jamais le round conversationnel. Le chat utilise son contrôleur interne et la ressource de conversation.

Quatre niveaux texte, des ressources spécialisées

Niveau Usages
Ultra low Mécanismes Dream utilisant un modèle
Low Dispatcher et conversation
Standard Exécution standard et suivi des Goals
High Exécution high, Planner et Lab

L’effort de raisonnement se règle séparément. Vision, documents, embeddings, images, transcription, analyse audio/vidéo et générations de médias ont leurs sélections dédiées. La voix se choisit sur l’agent ou l’utilisateur.

Un profil explicitement sélectionné est exclusif : une ressource manquante n’est pas prise silencieusement dans un autre profil. Sans sélection spécifique, l’agent ou l’humain suit le profil courant.

Fournisseurs et modèles — Les services disponibles et le fournisseur actif de l’instance dédiée.
Fournisseurs et modèles — Les services disponibles et le fournisseur actif de l’instance dédiée.C36

Un modèle adapté aux décisions cadrées

La ressource Décision accueille des modèles spécialisés comme Jev de TypeSafe, sélectionné dans la préconfiguration OpenRouter. Elle complète les quatre niveaux de texte par des choix parmi des options définies : le Dispatcher choisit une route et un effort autorisés, le classement réutilise un sujet candidat ou en demande un nouveau, et la rétention mémorielle choisit entre ignorer, relier et extraire.

Galaris valide les questions, les choix retournés et les probabilités lorsqu’elles sont fournies. Le profil règle le repli éventuel vers un modèle texte en cas d’indisponibilité récupérable : cet essai est borné, son motif est enregistré et aucun score de confiance n’est inventé. Le modèle décisionnel oriente le travail ; les actions restent soumises aux permissions de Galaris. Voir ces mécanismes sous le capot.

Vous pouvez rafraîchir les capacités découvertes des modèles et filtrer le catalogue par type de ressource ou capacité documentaire. Cela aide à choisir une ressource réellement adaptée à chaque usage.

Les ressources d’un profil de modèles — Les modèles en usage et leurs affectations au sein du profil de l’instance.
Les ressources d’un profil de modèles — Les modèles en usage et leurs affectations au sein du profil de l’instance.C60

Connecter et gérer les fournisseurs

Sur une installation neuve, OpenRouter, neuf modèles et un profil d’usage sont préconfigurés. Renseignez votre clé API pour commencer à converser avec l’assistant Galaris ; vous pouvez ensuite remplacer les sélections, utiliser un autre fournisseur ou supprimer cette proposition. Elle n’impose pas de fournisseur aux installations déjà configurées. Les ressources non sélectionnées, comme certaines voix ou générations audio, se règlent selon vos besoins.

Pour une connexion personnelle ChatGPT compatible, le panneau d’abonnement affiche les fenêtres d’usage, la part consommée et les échéances de réinitialisation disponibles. Ces limites concernent le compte chez le fournisseur, pas seulement les appels passés par Galaris ; une information indisponible est signalée.

Testez une connexion, découvrez ses modèles et choisissez les ressources utilisées. Le catalogue peut conserver modalités, contexte et tarifs disponibles ; les coûts inconnus ne deviennent pas nuls. Ollama permet aussi la gestion des modèles prévue par son bridge.

Famille Intégrations présentes
Texte et multimodal selon ressource OpenAI, Anthropic, Gemini, OpenRouter, Mammouth AI, DeepSeek, Fireworks, Groq, Mistral
Autres catalogues d’inférence Together, Cerebras, xAI, NVIDIA, Hugging Face, Cohere, Perplexity
Voix et médias ElevenLabs, Google Cloud TTS, Azure Speech, SunoAPI.org, BytePlus LAS
Modèles locaux et métadonnées Ollama ; models.dev pour enrichir les informations

Les comptes, modèles et modalités réellement proposés dépendent du fournisseur. Une authentification personnelle par code d’appareil, lorsqu’elle est prise en charge, reste liée à son propriétaire humain.

La passerelle adapte les paramètres aux contrats du fournisseur et de son endpoint. Un refus explicite avant génération peut autoriser le retrait du seul réglage optionnel concerné, puis un essai borné. Un timeout ou un flux partiel ne déclenche pas ce retrait ; messages, outils, budgets et format de sortie restent conservés.

Choisir le harnais de chaque agent

Harnais Place dans Galaris
Interne Pydantic AI Exécution native, planification, outils différés et checkpoints d’effets
Hermès Runtime autonome par agent, mémoire commune et skills projetées
Claude Agent SDK par agent, passerelle Anthropic et MCP Galaris
Codex Runtime géré, outils et télémétrie adaptés au contrat commun
DeepSeek Harness Instance DSH avec adaptation de l’exécution et du streaming
Distant compatible Chat Completions URL, modèle, authentification et capacités du serveur configuré
Les harnais et leurs limites — Réglages du moteur interne et accès aux harnais gérés et externes.
Les harnais et leurs limites — Réglages du moteur interne et accès aux harnais gérés et externes.C44

Administrer le cycle de vie

Selon le provider, consultez état, erreurs, logs et fichiers ; provisionnez, démarrez, arrêtez ou mettez à jour le runtime. Les opérations longues sont suivies. Les tâches inachevées peuvent bloquer un changement d’environnement.

La sélection d’un harnais conteneurisé ne le provisionne pas automatiquement. Les providers externes admettent actuellement un run simultané par instance. Les garanties du harnais interne ne s’étendent pas automatiquement à chacun.

Architecture · Passerelles API · Comparer les approches

Des modes correspondant au harnais choisi

Les trois modes sont EXEC (exécution standard), EXEC high et PLAN (planification avec le niveau high), selon les capacités du harnais.

Harnais Modes disponibles
Interne Exécution standard, exécution high, plan high
Hermès, Codex, Claude Agent, DeepSeek Harness gérés Exécution standard et high
Serveur compatible générique Exécution standard

Les quatre runtimes gérés utilisent actuellement la passerelle de modèles Galaris. Une option de raisonnement native du SDK ne suffit pas à rendre high disponible. Le Dispatcher choisit uniquement parmi les modes permis ; un choix unique évite un appel de routage au modèle.

L’administration configure les politiques et limites par provider. Les capacités effectives combinent implémentation, configuration et vérification de la cible. Un arrêt demandé reste distinct d’un arrêt distant confirmé.

La connexion personnelle ChatGPT exige un consentement explicite enregistré pour son propriétaire. Le révoquer bloque les appels, même si l’authentification demeure connectée.

Entrées multimodales natives du moteur interne

Images, audios, vidéos et PDF joints peuvent être fournis directement au modèle, dans le chat et les Tasks utilisant le moteur interne. L’éligibilité croise les capacités déclarées du modèle, le type MIME et ce que le transport sait effectivement sérialiser.

Les entrées audio/vidéo utilisent le même modèle via le protocole compatible ; la vidéo exige un adaptateur fournisseur déclaré. Le support ne s’étend pas automatiquement aux harnais externes. Les droits, la taille et un budget total sont vérifiés ; refus et formats incompatibles sont signalés au modèle. Détails du parcours média.

Donner au modèle la place de répondre

Pour les appels Chat/Responses sans budget explicite, Galaris utilise la capacité de sortie publiée du modèle dans la place estimée restante du contexte. Un budget explicite reste prioritaire ; si la capacité est inconnue, le défaut fournisseur s’applique. La compaction et les historiques Responses conservés à distance suivent leurs propres règles. Une sortie tronquée par la limite du modèle ne suffit pas à valider la tâche.

Mesurer les écarts avant de choisir

Un changement de modèle ou de harnais mérite d’être évalué sur vos propres usages. Le Lab permet de comparer les modèles et les configurations des mécanismes sur les mêmes cas : résultats, stabilité, temps et coûts disponibles. Complétez ces mesures par un essai du harnais retenu avec ses outils et ses capacités propres.

Changer de moteur en conservant vos connexions dans le hub

Hermès Agent, DSH (DeepSeek Harness), Codex, Claude et le harnais interne peuvent consommer les outils autorisés de l’agent. Vous configurez les serveurs MCP et leurs fonctions dans Galaris ; le moteur reçoit la projection adaptée à ses droits et à son contexte d’exécution. Les capacités et modalités de reprise restent propres à chaque moteur.

Par exemple, Telegram peut porter la demande, Hermès exécuter la tâche et un MCP Notion configuré dans Galaris fournir les opérations sur les pages. Ce choix de moteur n’impose ni l’interface de discussion ni l’espace documentaire. Voir la composition et ses prérequis.

Explorer l’écosystème compatible avec Galaris : fournisseurs d’inférence, messageries, harnais et services, avec leurs sites de référence.

Configurer un fournisseur et lire son crédit

Après un test de connexion réussi, la configuration du fournisseur s’enregistre automatiquement ; les modifications suivantes des champs concernés sont aussi enregistrées. Les clés restent masquées : une saisie vide conserve la clé, une nouvelle valeur la remplace et sa suppression exige une confirmation. Supprimer une clé obligatoire désactive le fournisseur.

Consommation et crédits affiche les informations connues pour les fournisseurs compatibles : ChatGPT, ElevenLabs, Mammouth AI, OpenRouter, DeepSeek et SunoAPI.org. Le panneau précise unité et portée compte ou clé, puis actualise les données à l’ouverture, sur demande et toutes les cinq minutes tant qu’il reste ouvert. Une valeur indisponible ne devient pas zéro ; un solde ne constitue pas un budget par agent.

Une lecture documentaire commune aux moteurs

PDF, Office, textes, HTML, Markdown, EPUB et images passent par une préparation documentaire commune selon les formats et convertisseurs disponibles. Pour une grande source, document_analyze démarre une analyse privée par lots ; document_analysis_get relit couverture et résultat ; document_analysis_cancel demande l’arrêt. Le modèle documentaire du profil est utilisé, avec repli vers le texte standard s’il manque. Ces analyses restent distinctes des processus métier. Utiliser les documents.