Cibles de benchmark bêta
  • AZURE OPENAI · EASTUS2 · P50 218 MS
  • AMAZON BEDROCK · US-EAST-1 · P50 236 MS
  • GEMINI 4 ARGON · GOOGLE CLOUD · 1M CTX · P50 208 MS
  • GUARANI VERIFY · CONTRÔLE DE PR DÉTERMINISTE
  • MOBILE CI · APPAREILS ANDROID / iOS RÉELS
  • SUCCÈS DU CACHE SÉMANTIQUE · 46,2 %

Bêta privée · Espaces d'essai sur demande

Un verdict expliqué pour chaque release.

Guarani AI revoit chaque pull request, route et mesure chaque appel de modèle, exécute vos parcours mobiles sur de vrais appareils, puis réunit le tout en une seule décision de release, traçable.

Guarani AINVIDIA Inception Program

MEMBRE DU PROGRAMME · 2026Guarani LLC est membre de NVIDIA Inception, le programme de NVIDIA pour les startups.

guarani · acme/core-apiVRF-1842 · CLEAREDExécution d'exemple
  1. guarani verify --repo acme/core-api --profile release
  2. réussi : Indexed 1,284 files, semantic graph ready3.1 s
  3. réussi : Architecture rules: 42 checked, 0 violations4.8 s
  4. avertissement : API contract: 1 additive change on GET /v2/orders2.2 s
  5. réussi : SAST: 0 new findings, no secret added in the diff3.6 s
  6. réussi : Performance budget: p95 within budget (+1.8%)6.4 s
  7. réussi : Generated 12 unit and 3 integration tests, passing9.7 s
  8. réussi : Mesh: 214 model calls, p95 532 ms, $0.38live
  9. réussi : Mobile journeys: sign-in, checkout on 3 real devices41.0 s
  10. CLEARED for release, 1 advisory. Report posted to pull request #1842 as a check.

Résumé de l'exécution

Fichiers indexés
1 284
Règles d'architecture
42 vérifiées, 0 violation
Contrat d'API
1 ajout, compatible v3
SAST
0 nouveau constat, 0 secret
Budget p95 (450 ms)
respecté, +1,8 %
Tests générés
12 unitaires, 3 d'intégration
Appels de modèles
214, p95 532 ms, 0,38 $
Parcours sur appareils
connexion, commande sur 3 appareils

Pipelineacme/core-api

  1. Indexationen attente3.1 s
  2. Architectureen attente4.8 s
  3. Contrat d'APIen attente2.2 s
  4. SASTen attente3.6 s
  5. Performanceen attente6.4 s
  6. Testsen attente9.7 s
  7. Meshen attentelive
  8. Mobileen attente41.0 s

Latence LLM par fournisseurp50 p95

  • Azure OpenAI218 / 540 ms
  • Amazon Bedrock236 / 575 ms
  • Gemini 4 Argon208 / 520 ms
  • GPU open-weight172 / 390 ms

En cours

CLEARED pour la mise en production

1 avertissement, 0 échec. Vérification publiée sur la pull request n° 1842.

Budget de latence ajoutée par la passerelle
<18ms
Fenêtre de contexte maximale
1M+
Routes d'inférence cloud et GPU
4
Exécuteurs sur appareils Android et iOS
Réels

Un seul contrôle de mise en production pour le code, les modèles et le mobile.

Chaque module s'installe là où le travail se fait déjà : Verify sur les pull requests GitHub et GitLab, Mesh devant vos fournisseurs de modèles, Mobile CI dans GitHub Actions ou GitLab CI. Un module ou les trois : des règles de politique versionnées réunissent leurs constats en un seul verdict.

Exécution d'exemple

Verify construit un graphe sémantique de votre base de code et y confronte chaque pull request : règles d'architecture, contrats d'API, budgets de performance et analyse statique de sécurité (SAST). Les constats sont publiés sur la pull request avant la fusion.

  • Revue sémantique des pull requests à travers les fichiers, les services et les périmètres de responsabilité
  • Analyse statique de sécurité (SAST) : flux de données dangereux d'une entrée non fiable vers un appel sensible, secrets en dur et usages d'API à risque
  • Détection précoce des régressions de performance au regard des budgets de latence et de mémoire
  • Validation des contrats d'API REST, GraphQL et gRPC, avec blocage des changements incompatibles
  • Génération automatique de tests unitaires et d'intégration pour les chemins non couverts

Les verdicts découlent de règles de politique versionnées appliquées aux constats : les mêmes constats et la même politique produisent toujours le même verdict.

Découvrir Guarani Verify
Revue de pull requestRevue d'exemple
#1842orders: add fulfillment ETA
acme/core-apifeat/fulfillment-eta vers main6 fichiers modifiés
Verify, agent d'architecturePerformanceservices/orders/eta.ts:48

estimateEta() appelle le service d'inventaire une fois par article, dans la boucle. Sur les grosses commandes, ces appels séquentiels font dépasser à GET /v2/orders son budget p95 de 450 ms.

Regroupez les lectures en un seul appel getAvailability() pour rester dans le budget.

Modification suggérée
- for (const item of order.items) {-   const stock = await inventory.get(item.sku);-   etas.push(estimate(item, stock));- }+ const skus = order.items.map((item) => item.sku);+ const stock = await inventory.getAvailability(skus);+ const etas = order.items.map((item) => estimate(item, stock[item.sku]));
Verify, agent d'architectureContratopenapi/orders.yaml

Champ ajouté fulfillment_eta sur GET /v2/orders. Les clients existants ne sont pas affectés : compatible avec le contrat v3.

Verify, agent de sécuritéSécuritéservices/orders/eta.ts

SAST : aucun nouveau flux d'une entrée de requête vers une requête SQL, un appel shell ou un accès fichier, et aucun secret ajouté dans ce diff.

4 tests unitaires et 1 test d'intégration générés pour estimateEta(), tous réussis.

Un seul endpoint compatible OpenAI pour tous les modèles de vos équipes. Mesh route chaque requête selon la latence, le coût, la longueur de contexte et la résidence des données, bascule entre régions et fournisseurs, et mesure la dépense de chaque équipe.

  • API unifiée compatible OpenAI devant Azure OpenAI, Amazon Bedrock, les modèles Google Gemini sur Gemini Enterprise Agent Platform et des modèles open-weight sur GPU dédiés
  • Routage dynamique selon la latence, le coût, la longueur de contexte et la résidence des données
  • Bascule multirégion avec contrôles de santé et nouvelles tentatives
  • Cache sémantique pour les prompts répétés ou quasi identiques, cloisonné par tenant
  • Suivi des coûts, budgets et alertes par équipe
Découvrir Guarani Mesh
Règle de routage
Données d'exemple
Répartition du trafic, latence et dépenses par fournisseur sur 24 heures, pour la règle choisie
FournisseurPartp50p95Dépenses / 24 h
Azure OpenAIeastus2, swedencentral38 %218 ms540 ms77,33 $
Amazon Bedrockus-east-1, us-west-231 %236 ms575 ms47,32 $
Gemini 4 Argon (Google Cloud)us-central1, 1M context21 %208 ms520 ms50,75 $
GPU (open-weight)dedicated endpoint10 %172 ms390 ms7,00 $
p50 pondéré
217 ms
p95 pondéré
532 ms
Dépenses, 24 h
182,40 $

Dépenses par équipe, budget quotidien

  • payments61,10 $93 % du budget quotidien
  • search44,20 $74 % du budget quotidien
  • platform38,70 $77 % du budget quotidien
  • mobile24,90 $62 % du budget quotidien
  • data13,50 $45 % du budget quotidien

Exécutez vos suites d'interface et de non-régression sur de vrais appareils Android et iOS, depuis les pipelines que vous avez déjà. Chaque résultat est accompagné de sa vidéo, des logs de l'appareil et des traces réseau.

  • Intégration native à GitHub Actions et GitLab CI
  • Pools d'appareils réels alloués à chaque exécution
  • Suites d'interface et de non-régression en parallèle (Appium, Espresso, XCUITest, Maestro)
  • Détection des tests instables, avec relance et mise en quarantaine
  • Vidéo, logs de l'appareil et traces réseau pour chaque résultat
Découvrir Guarani Mobile CI
suite checkout sur 3 appareils réels
Exécution d'exemple
Résultat de chaque parcours sur chaque appareil
Appareilconnexionrecherchecommandepaiement
Pixel 10réussi12,8 sréussi13,9 sréussi21,0 sréussi9,7 s
iPhone 17réussi12,1 sréussi13,2 sréussi20,4 sréussi9,9 s
Galaxy S25réussi13,3 sréussi14,4 sHOLD, relance réussie22,6 sréussi10,2 s
12 résultatsvidéologs de l'appareiltraces réseau

Le parcours d'une pull request dans Guarani AI.

Chaque modification s'exécute comme un pipeline tracé, à travers des régions cloud managées, de l'inférence GPU et des pools d'appareils réels. Le code client est traité dans des tenants isolés et n'est jamais utilisé pour entraîner des modèles.

  1. Webhook reçu

    Une pull request sur GitHub ou GitLab notifie le plan de contrôle sur api.guarani-llc.com/v1. Le moteur de règles détermine le profil du dépôt.

  2. Code indexé

    L'orchestrateur met à jour le graphe sémantique et l'index vectoriel des fichiers modifiés, dans le tenant isolé du client.

  3. Agents de revue lancés

    Les agents d'architecture, de contrat, de performance et de sécurité (SAST) s'exécutent sur les workers d'analyse : des conteneurs sur AKS, ECS/EKS et Cloud Run.

  4. Mesh route les appels de modèles

    Chaque appel d'agent passe par Guarani Mesh. Quand Azure OpenAI se dégrade dans eastus2, le routeur marque l'appel REROUTED vers swedencentral et la trace continue.

  5. Suites mobiles exécutées

    Les parcours concernés s'exécutent sur de vrais appareils Android et iOS. Vidéo, logs et traces réseau sont conservés avec l'exécution.

  6. CLEARED pour la mise en production

    Des règles de politique versionnées marquent la strip CLEARED, le verdict est publié sur la pull request sous forme de check, et chaque étape est consignée dans une piste d'audit.

Source et CI

  • GitHub
  • GitLab
  • GitHub Actions
  • GitLab CI

Plan de contrôle

  • APIapi.guarani-llc.com/v1
  • Orchestrateur
  • Moteur de règles
  • Isolation des tenants

Workers d'analyse

  • Agents de revuearchitecture, contrat, performance, sécurité
  • ConteneursAKS, ECS/EKS, Cloud Run

Cloud d'appareils

  • Pools d'appareils réelsAndroid et iOS
  • Artefactsvidéo, logs, traces

Guarani Mesh

  • Routeur
  • Cache sémantique
  • Garde budgétaire
  • Télémétrie

Fournisseurs de modèles

  • Azure OpenAIeastus2 dégradéeswedencentral
  • Amazon Bedrock
  • Gemini Enterprise Agent PlatformGemini 4 Argon, 1M context
  • Modèles open-weightGPU dédiés

Données

  • Stockage objet
  • Postgres
  • Index vectoriel
  • Entrepôt de télémétrie

Traitement des données

  • Chiffrement en transit et au repos.
  • Traitement aux États-Unis ou dans l'UE selon la région choisie pour l'espace de travail.
  • Aucun entraînement sur le code, les prompts ou les sorties des clients.
  • Durée de conservation configurable pour le contenu des dépôts et les artefacts.

Options de déploiement

  • Cloud multi-tenant avec tenants isolés, par défaut sur toutes les offres.
  • VPC dédié sur Azure, AWS ou Google Cloud.
  • Points d'inférence GPU isolés pour les modèles open-weight.

Fonctionne depuis votre terminal, votre pipeline et votre code.

Installez la CLI, ajoutez une étape à votre workflow ou appelez l'API REST. Des SDK typés pour TypeScript et Python encapsulent les mêmes endpoints.

terminal
# Install the CLI (Node.js 20 or later)
npm i -g @guarani-ai/cli

# Authenticate with your workspace access token
guarani login

# Create guarani.yml for this repository
guarani init

# Run the release profile and print a JSON report
guarani verify --repo acme/core-api --profile release --json

Les paquets et endpoints présentés correspondent à l'interface bêta v1.

Les clients de la bêta privée sont publiés sur npm et PyPI. L'exécution distante nécessite un GUARANI_TOKEN délivré par un espace de travail Private Beta provisionné.

Lire la documentation

Trois offres aux quotas publiés.

Chaque offre commence par un essai gratuit de 14 jours. Prix en dollars US, facturation mensuelle, hors taxes.

Starter

Pour une équipe qui met ses premiers dépôts sous revue.

99 $/ mois

  • Jusqu'à 5 dépôts
  • 5 M de jetons d'analyse par mois
  • Revues automatiques des pull requests
  • 100 minutes de tests CI mobile par mois
Essai gratuit de 14 jours

Enterprise

Pour une infrastructure dédiée, une inférence GPU isolée et des preuves d'audit.

Sur mesure

  • Déploiement en VPC dédié sur Azure, AWS ou Google Cloud
  • Points d'inférence GPU isolés
  • Pistes d'audit et exports de preuves pour les programmes SOC 2 et ISO 27001
  • SLA de disponibilité jusqu'à 99,99 %
  • Ingénieur support dédié
Contacter les ventes Enterprise

Comparer les offres et lire la FAQ

Équipe

Les ingénieurs qui construisent Guarani AI.

À propos de Guarani AI
Sylvain Rey

Sylvain Rey

Fondateur et architecte systèmes principal

Conçoit et construit la plateforme Guarani AI : le plan de contrôle, les agents de revue, la passerelle Mesh et les intégrations CI.

Thomas Moreau

Thomas Moreau

Directeur technique (CTO)

Dirige l'infrastructure d'inférence GPU et de CI mobile.

Vérifiez votre prochaine version.

RLS-NEXTyour-org/your-repoAWAITING CLEARANCE

Essai gratuit

Les clients de la bêta privée sont publiés sur npm et PyPI. L'exécution distante nécessite un GUARANI_TOKEN délivré par un espace de travail Private Beta provisionné.