Brainiall Content Guard
⚡ KPIs de desempenho (medidos)
| Métrica | Brainiall | AWS Rekognition | |
|---|---|---|---|
| End-to-end pipeline p50 latency | 91 ms | 200–400 ms [fonte] | ★ |
| Binary NSFW p50 | 62 ms (Brainiall quantized+compiled) | ~150 ms | ★ |
| Region detect p50 | 22 ms (Brainiall NSFW detector) | ~200 ms (3-level taxonomy) | ★ |
| Throughput per CPU core (sustained) | 8 RPS | Cloud auto-scale | = |
| Cold-start | ~5 s (always-warm container) | <1 s | R |
🎯 Matriz de capacidades
| Métrica | Brainiall | AWS Rekognition | |
|---|---|---|---|
| Binary safe/unsafe classification | ✅ Brainiall (98.04% on 80k eval) | ✅ DetectModerationLabels | = |
| Granular region detection (body parts) | ✅ Brainiall NSFW detector (12 body-part classes) | ✅ 3-level taxonomy (Explicit/Suggestive/etc.) | R |
| L1/L2/L3 hierarchy taxonomy | 🟡 Binary + region (no hierarchy yet) | ✅ L1 + L2 + L3 fine-grained labels | R |
| Violence/weapon/drugs detection | ❌ v1 covers NSFW only — v1.1 planned (custom detector) | ✅ Built-in | R |
| Local CPU deployment (no cloud RTT) | ✅ Bare-metal infrastructure | ❌ Cloud-only | ★ |
| Open weights you can audit | ✅ Brainiall (permissive licenses) | ❌ Proprietary closed | ★ |
| LGPD / GDPR-by-default | ✅ EU/BR datacenter | 🟡 us-east default | ★ |
| Pricing | $0.0005/img (undercut) | $0.001/img | ★ |
📊 Benchmarks de qualidade (literatura)
| Métrica | Brainiall | AWS Rekognition | |
|---|---|---|---|
| NSFW classification accuracy | Brainiall 98.04% (80k proprietary eval) | Claim 'up to 95% unsafe content flagged' [fonte] | |
| Region detection coverage | Brainiall NSFW detector (12 body-part classes + face) | Hierarchy of ~30 fine labels [fonte] | |
| False-positive rate (LATAM context) | Higher on Brazilian beach/carnival imagery (cultural skew, fine-tune planned) | Same skew (US-trained) | = |
Preço
Free
1,000 imgs/month
Get started. No card.
Fast
$0.0005 / image
Brainiall NSFW (classifier + detector). p50 91 ms. Undercut Rekognition by 50%.
Pro
$0.005 / image
Adds custom-fine-tuned LATAM model + L1/L2/L3 hierarchy (Q3 2026).
Início rápido (Python)
Requisição
import base64, httpx
img = base64.b64encode(open("photo.jpg", "rb").read()).decode()
resp = httpx.post(
"https://api.brainiall.com/v1/moderation/analyze/base64",
headers={"Authorization": "Bearer brnl-..."},
json={"image": img, "include": ["binary", "regions"]},
)
print(resp.json())Exemplo de resposta
{
"request_id": "req_b3f9c2…",
"processing_ms": 91,
"is_safe": false,
"binary": {
"label": "unsafe",
"score": 0.987
},
"regions": [
{
"label": "EXPOSED_BREAST_F",
"score": 0.91,
"box": [124, 88, 312, 290]
}
],
"warnings": []
}⚠️ CSAM fora do escopo
A Moderação de Conteúdo da Brainiall NÃO detecta CSAM. Para detecção de CSAM, encaminhe uploads através de Microsoft PhotoDNA, Thorn Safer, ou reportar diretamente ao NCMEC CyberTipline (18 U.S.C. § 2258A). Model card completo com métricas por classe, vieses conhecidos e compromisso de trilha de auditoria: /trust/content-moderation-model-card.
Metodologia de comparação e aviso legal
Medições Brainiall: latência da infraestrutura de produção da Brainiall (bare-metal · hardware de produção · CPU), maio de 2026. Modelos: classificador NSFW Brainiall + detector NSFW Brainiall (production-grade).
Dados do AWS Rekognition: derivado da documentação pública da AWS (maio de 2026). A AWS não publica benchmarks formais de precisão; sua afirmação publicada de "até 95% de conteúdo inseguro sinalizado" é citada na íntegra. Faixas de latência incluem ida-e-volta de rede a partir de us-east-1.
Notas importantes:
- O Brainiall S7 v1 cobre classificação NSFW + regiões de partes do corpo. Violência, armas, drogas, símbolos de ódio não estão em v1 — planejado para v1.1 (detector personalizado em conjuntos públicos de armas + violência). O Rekognition já traz essas categorias via taxonomia, então atualmente a AWS tem clara vantagem de cobertura nelas.
- Taxonomia hierárquica L1/L2/L3: a AWS fornece isso pronto para uso; atualmente fornecemos classificação binária + região — hierarquia no roadmap para Q3 2026.
- Contexto LATAM: ambos os sistemas treinados predominantemente em datasets ocidentais; taxa de falsos positivos em imagens brasileiras de carnaval/praia/moda é comparável. A Brainiall planeja fine-tune local no Q3 2026.
- Metodologias e conjuntos de dados podem diferir — benchmarks diretos head-to-head agendados para o 3º trimestre de 2026.
- Marcas registradas: Amazon Web Services and Rekognition são marcas comerciais da Amazon.com, Inc. Esta página é fornecida para fins de comparação informativa e não é endossada pela AWS nem afiliada a ela.
Última revisão: maio de 2026. Fontes citadas inline; atualizamos quando novos dados estão disponíveis.