La startup di intelligenza artificiale Refiant AI, fondata in Sudafrica, ha lanciato Protea, un modello linguistico di tipo long-context pensato per elaborare quantità di informazione molto più ampie in una singola sessione. Il dato centrale è la finestra di contesto dichiarata da 10 milioni di token, che secondo il ceo e cofondatore Viroshan Naicker equivale a circa dieci volte la memoria di lavoro disponibile in sistemi diffusi come ChatGPT e Claude.
Il nome del modello richiama il fiore nazionale sudafricano, ma la scommessa è soprattutto industriale. Naicker ha spiegato che Protea non nasce per rivendicare un salto netto di intelligenza rispetto ai rivali, bensì per dare alle imprese la possibilità di lavorare, nello stesso flusso, su volumi molto più estesi di documentazione, codice e dati. In questa prospettiva, la lunghezza del contesto diventa una leva operativa: più informazioni possono restare disponibili al modello mentre interpreta, classifica o sintetizza.
Naicker ha descritto i modelli linguistici come sistemi dotati di una memoria di lavoro. Una finestra da 10 milioni di token, ha spiegato, consente di conservare nel contesto una quantità molto superiore di documenti, codice e dataset, lasciando al modello il compito di inferire su quell’insieme più ampio. L’analogia usata dal manager è quella della memoria a breve termine: un contesto più grande riduce il rischio che dettagli rilevanti vadano persi quando più flussi informativi vengono processati insieme.
Tra i casi d’uso indicati da Refiant c’è il settore assicurativo, dove le aziende devono valutare continuamente molte richieste di rimborso e individuare pratiche rischiose o potenzialmente fraudolente. In uno scenario di questo tipo, un modello long-context può ordinare le richieste in ingresso, segnalare anomalie e rendere più rapido il lavoro dei valutatori umani. L’obiettivo più ampio è trasformare grandi masse di dati non strutturati in output più navigabili e utilizzabili.
La scelta tecnologica colloca Refiant in una parte meno affollata della competizione sull’AI generativa. Invece di sfidare direttamente i maggiori laboratori globali solo sulla capacità generale dei modelli, la startup punta sulla lunghezza del contesto e sul valore pratico che questa può offrire nelle applicazioni aziendali. Per organizzazioni che gestiscono documenti, codice, contratti, flussi operativi e dati eterogenei, la capacità di mantenere più informazioni nel contesto può incidere su ricerca, sintesi, classificazione e supporto alle decisioni.
Alla base di Protea, secondo Naicker, c’è un avanzamento nella tecnologia di compressione, sviluppato per ridurre requisiti di memoria e calcolo. Il lavoro era nato dall’interesse per modelli linguistici capaci di funzionare in spazi più piccoli, anche in risposta alle preoccupazioni sui consumi energetici dell’AI. Da quei risultati, Refiant ha tratto una conclusione diversa: se è possibile comprimere alcune componenti, le efficienze ottenute possono essere reinvestite per espandere altre capacità, in questo caso la finestra di contesto.
Naicker sostiene che l’azienda sia riuscita a rendere operativo un contesto da 10 milioni di token senza appoggiarsi a un backend dominato da supercomputer, un risultato che diversi osservatori del mercato ritenevano non sostenibile sul piano commerciale. Per i clienti, il punto non è solo tecnico. L’adozione dell’AI in azienda resta frenata dai costi infrastrutturali, e Refiant presenta i propri guadagni di efficienza come un modo per migliorare il rapporto tra costi e benefici, rendendo accessibili i vantaggi dell’AI senza costi estremi.
Il lancio di Protea è indicato come la prima fase di una roadmap in tre stadi. Naicker ha definito il modello una soluzione di fascia intermedia nello stack interno di Refiant, lasciando intendere che sistemi più avanzati per compiti complessi arriveranno in seguito. In parallelo, l’azienda sta costruendo una piattaforma per aiutare le organizzazioni a comprendere e navigare ambienti informativi a grande contesto, affrontando uno dei problemi più ricorrenti nelle implementazioni AI: estrarre struttura e significato da archivi estesi e poco ordinati.
La startup ha chiuso un round seed da 5 milioni di dollari il 10 febbraio e, secondo Naicker, opera da circa quattro mesi. Il debutto produttivo di Protea diventa quindi un primo banco di prova per una società che rivendica ambizione globale pur mantenendo una forte impronta sudafricana. Naicker ha respinto l’idea che il Paese non disponga di profondità scientifica e imprenditoriale, citando competenze locali in campi come quantum computing e cloud computing. Per Refiant, la partita si giocherà sulla capacità di consegnare prodotti funzionanti e portarli sul mercato.