caramelo-gemma4-e4b-lora-adapter

Caramelo 4.4.1

Modelo de IA brasileiro treinado por Guilherme Favaron sobre modelos open source. Esta versão usa como base o google/gemma-4-E4B-it (Gemma 4 E4B, Apache-2.0) e aplica um fine-tune LoRA que treina síntese e comunicação na voz de escrita do autor: resposta direta em português do Brasil, argumento com dado e exemplo, sem hype e sem emoji.

A premissa do projeto: a forma de comunicar é parte da performance. Nos testes cegos abaixo, o fine-tune vence o próprio modelo base em qualidade, além do estilo. No ciclo em que o raciocínio bruto foi medido (3.4.2, 1.432 questões do ENEM), ele ficou no nível do base.

Em produção em ia-caramelo.com desde julho de 2026, servindo API compatível com a OpenAI, app web e CLI (caramelo-chat no npm). Gratuito, com limites de uso.

Como foi treinado

• Base: google/gemma-4-E4B-it @ fee6332c (revision pinada; training_config.json registra o snapshot completo de hiperparâmetros, versões e revisions)
• Dataset: guifav/caramelo-dataset, 414 pares de correção de estilo (o mesmo dataset e a mesma receita do ciclo anterior, documentados no relatório técnico)
• Método: QLoRA 4-bit (r=16, alpha=32, dropout 0.05, 3 épocas, LR 2e-4), adapter de 34,9M parâmetros (0,44% do modelo); loss de treino 2,53 → 1,33
• Publicação: adapter em guifav/caramelo-gemma4-e4b-lora-adapter; este repo contém o merge em bf16 e o GGUF Q4_K_M usado em produção
• Script: finetune/gemma4_e4b/train_lora.py no repositório do projeto

A arquitetura base Gemma4ForConditionalGeneration é multimodal (any-to-any: texto, imagem e áudio), mas o Caramelo opera apenas em texto: o LoRA é anexado só no decoder textual (model.language_model.layers.*) e as pernas de vision/audio ficam congeladas. Por isso o pipeline_tag é text-generation.

Avaliação (A/B cego, 2 juízes LLM independentes)

Nos 24 prompts held-out do benchmark do projeto:

O 4.4.1 escreve respostas mais completas que o 3.4.2 (~400 vs ~270 tokens em média); no julgamento cego, os juízes apontaram que a versão anterior omitia conteúdo relevante com mais frequência.

Esses números sustentam a premissa: treinar comunicação melhora a performance medida da tarefa. No ciclo anterior (3.4.2), o raciocínio bruto foi medido em 1.432 questões do ENEM e ficou no nível do base (57,5% vs 57,2%), enquanto a qualidade julgada às cegas venceu o base em 66–70%.

Produção

Servido em CPU (llama.cpp, GGUF Q4_K_M, 5,0 GiB) a ~18,5 tokens/s em 4 vCPUs. O chat template do Gemma 4 liga thinking por padrão; em produção o servidor roda com --reasoning off. A persona e a camada de segurança são injetadas server-side pelo gateway e têm prioridade sobre instruções do usuário.

Licença

O modelo base google/gemma-4-E4B-it é distribuído sob Apache-2.0; este fine-tune segue os mesmos termos. O dataset guifav/caramelo-dataset é de propriedade de Guilherme Favaron. Confirme a licença vigente na página do modelo base antes de redistribuir.

Segurança

A camada de segurança do Caramelo em produção é aplicada server-side pelo gateway em ia-caramelo.com. Estes pesos não devem ser usados sem moderação própria.