La tecnologia

Come funziona Rubrica, con parole semplici.

Tre modelli di IA europei, un database europeo e un passaggio di retrieval che tiene ogni risposta ancorata al tuo materiale. Niente magia, niente scatola nera: questa pagina mostra cosa succede a ogni file che carichi e a ogni domanda che fai.

Cosa succede a un file che carichi

Gli stessi cinque passaggi valgono per la libreria del corso di un docente e per gli appunti di uno studente. Nessuno di essi addestra un modello; tutto resta nell'UE.

  1. Passo 1
    Il testo viene estratto

    PDF, Word, PowerPoint ed Excel vengono letti senza alcuna IA. Immagini e pagine scansionate passano per Ministral, un modello di visione, che trascrive ciò che vede.

    unpdf · officeparser · Ministral 3 14B

  2. Passo 2
    Il testo viene diviso in frammenti

    Circa 800 token ciascuno, tagliati sui confini di paragrafo o di frase, con una sovrapposizione di 100 token perché un'idea non venga mai spezzata tra due frammenti.

    ~3.200 caratteri, 400 di sovrapposizione

  3. Passo 3
    Ogni frammento riceve un embedding

    mistral-embed trasforma il frammento in una lista di 1.024 numeri (un vettore) che cattura di cosa parla. Frammenti sullo stesso argomento finiscono con liste simili, qualunque sia la formulazione o la lingua.

    mistral-embed · 1.024 dimensioni · UE

  4. Passo 4
    Testo e vettore vengono salvati insieme

    Nel nostro Postgres a Francoforte, limitati al tuo corso e alla tua istituzione. Un indice vettoriale (HNSW, distanza del coseno) rende la ricerca istantanea.

    pgvector · row-level security

  5. Passo 5
    Una domanda trova le sue fonti

    Anche la domanda diventa un vettore. Gli 8 frammenti più vicini del tuo corso vengono passati a Mistral Large come materiale di partenza, e la risposta cita il file tra parentesi.

    top 8 per coseno · Mistral Large

Gli embedding, spiegati

Un embedding è una lista di 1.024 numeri che riassume di cosa parla un testo. Due testi sulla stessa idea ottengono liste simili anche se non condividono nessuna parola. Questo permette a Rubrica di cercare per significato invece che per parola chiave.

Ogni punto è un frammento di un documento del corso, posizionato in base al significato. Il punto evidenziato è una domanda. Le linee vanno agli otto frammenti che l'assistente legge prima di rispondere. I vettori reali hanno 1.024 dimensioni; qui ne sono disegnate tre.

Cosa fa

  • Trova il paragrafo che risponde a "come si calcola il free cash flow?" anche quando la slide dice "flusso di cassa disponibile".
  • Funziona tra lingue diverse: materiale in inglese, domande in italiano.
  • Resta dentro il tuo corso. Un frammento di un altro corso o di un'altra istituzione non è mai un candidato.

Cosa non è

  • Non scrive. Scrive Mistral Large; l'embedding si limita a trovare.
  • Non capisce. Misura quanto sono vicini due significati, niente di più.
  • Non conserva il tuo testo. Il testo vive nel database; il vettore è un indice che rimanda a esso.
  • Non è una ricerca per parole chiave. Per "articolo 14.3" o una cifra esatta si usa direttamente il testo salvato.

I modelli

Per impostazione predefinita lavoriamo con Mistral AI (Parigi): generazione, visione ed embedding. Sono inoltre disponibili i modelli aperti serviti da Hugging Face tramite OVHcloud (Francia). Contesto e prezzo sono quelli pubblicati da ciascun fornitore; il prezzo è per milione di token (input/output).

ModelloPotenzaCosa fa in RubricaDove gira
Mistral Large 4Multimodale · 1 M di contesto · 0,50/1,50 $Scrittura e ragionamento: risposte dell'assistente, quiz, griglie di valutazione, report 360, contenuto delle slide, consigli durante la lezione dal vivo. È il modello predefinito.Mistral AI · Francia 🇫🇷
Ministral 3 14B14B · testo e visioneLettura di immagini e pagine scansionate allegate a un corso o agli appunti di uno studente.Mistral AI · Francia 🇫🇷
mistral-embedEmbedding · 8k di contesto · 0,10 $Trasforma frammenti e domande in vettori, così da trovare il paragrafo giusto.Mistral AI · Francia 🇫🇷
Qwen 3.5 397B397B (17B attivi) · 262k · 0,71/4,25 $Il più grande dei modelli aperti che offriamo, per ragionamenti lunghi e documenti estesi.OVHcloud · Francia 🇫🇷
Qwen 3.8 27B27B · con visione · 262k · 0,47/3,19 $L'equilibrio tra qualità e costo, e legge anche le immagini.OVHcloud · Francia 🇫🇷
Qwen 3.6 27B27B · 262k · 0,47/3,19 $Stessa famiglia e dimensione del precedente, senza visione.OVHcloud · Francia 🇫🇷
Llama 3.3 70B70B · 131k · 0,74/0,74 $I pesi aperti di Meta: prevedibile, molto documentato e allo stesso prezzo in entrata e in uscita.OVHcloud · Francia 🇫🇷
gpt-oss 120B120B · 131k · 0,09/0,47 $I pesi aperti di OpenAI. Il più economico dei grandi: molta capacità per centesimo.OVHcloud · Francia 🇫🇷
gpt-oss 20B20B · 131k · 0,05/0,18 $Versione leggera dei pesi aperti di OpenAI, per lavori brevi e in volume.OVHcloud · Francia 🇫🇷
Qwen 3.5 9B9B · 262k · 0,12/0,18 $Il più leggero della famiglia Qwen, con un contesto enorme per la sua dimensione.OVHcloud · Francia 🇫🇷
Qwen 2.5 VL 72B72B · con visione · 32k · 1,01/1,01 $Visione sui documenti: leggere una pagina e ragionare su quello che c'è.OVHcloud · Francia 🇫🇷
Quick AIPROSSIMAMENTEIl modello proprio di Quickers, attualmente in prova. Non è ancora attivo per i clienti.Quickers · Paesi Bassi 🇳🇱
Quick AI CodePROSSIMAMENTELa versione per il codice del modello proprio di Quickers. Non è ancora attiva nemmeno questa.Quickers · Paesi Bassi 🇳🇱

I prezzi sono di listino e possono cambiare. Non pubblichiamo cifre di benchmark di terzi: ogni produttore le misura nel proprio ambiente e non sono confrontabili tra loro. Dimensione, contesto e prezzo invece lo sono, e sono quelli che la tabella mostra. Le valutazioni di pari e giuria non raggiungono mai alcun modello come voti individuali: dal database escono solo aggregati, per costruzione dello schema stesso.

Perché è utile per un docente

  • Crea dal tuo materiale. Quiz, criteri di valutazione, una pagina del corso e presentazioni (esportabili in PPTX) scritti a partire dalle tue letture, non da internet.
  • Misura l'aula mentre insegni. Gli studenti segnalano dal telefono il polso della classe; l'assistente legge il segnale e suggerisce quando rallentare o andare avanti.
  • Valuta in modo oggettivo. Registro dei voti, giuria dei progetti con aggregati anonimi e report 360 che combinano quiz, valutazioni tra pari e griglie di valutazione.
  • Risposte che puoi verificare. Ogni risposta fondata indica il file da cui proviene.

Perché è utile per uno studente

  • I tuoi appunti diventano un tutor. Carica i tuoi appunti e fai domande; le risposte vengono dal tuo materiale, non da un modello generico.
  • Esami e flashcard da ciò che hai studiato davvero. Generati dai tuoi documenti, riservati a te.
  • Privato per impostazione predefinita. I tuoi appunti sono solo tuoi, a meno che tu non decida di pubblicarli nella community.
  • Solo UE, sempre. Rubrica Student gira in una modalità che rifiuta qualsiasi modello non UE, anche come riserva.

Libreria e risposte fondate

La Libreria del corso, gli allegati in chat e le risposte fondate sui tuoi documenti fanno parte dei piani Pro e Istituzione. Le istituzioni nella beta privata le hanno incluse. Ogni frammento indicizzato è salvato nello spazio della tua istituzione nel nostro database europeo, e nulla di esso viene condiviso con altre istituzioni o usato per migliorare alcun modello.

Database a Francoforte, Germania Inferenza IA nell'UE Mai usato per l'addestramento

Le garanzie dietro tutto questo

Dove vivono i tuoi dati, chi può vederli e cosa ci impegniamo a fare per iscritto.