Vou ajustar fino e implantar modelos de IA personalizados para o seu caso específico

A fine-tuning é melhor para estilo, tom, formato e tarefas específicas. RAG é mais indicado para recuperação de fatos em grandes bases de conhecimento. Muitas vezes, ambos funcionam juntos. Me envie uma mensagem com seu caso de uso e vou te dizer honestamente qual abordagem se encaixa — não vou vender fine-tuning se você não precisar.

Confortavelmente até 13B com QLoRA em um único A100 ou 4090. Modelos maiores (30B-70B) precisam de setups com múltiplas GPUs — me envie uma mensagem para um orçamento personalizado. Trabalho com Llama 2/3, Mistral, Mixtral, Phi, Gemma, Qwen e a maioria dos LLMs de código aberto no Hugging Face.

Você sempre recebe o código completo de treinamento, configurações e um notebook que pode rodar novamente. O objetivo é que você possa treinar ou fazer iterações sem depender de mim. Incluo comentários detalhados no código e um README explicando como carregar o adapter, rodar inferência e continuar o treinamento.

Nenhum engenheiro honesto consegue garantir métricas antes de ver seus dados. A qualidade depende da qualidade, tamanho e dificuldade do dataset. Antes de aceitar um serviço, vou revisar uma amostra dos seus dados e estabelecer expectativas realistas. Se não for adequado, te aviso logo de cara.

A computação é cobrada separadamente. Para trabalhos pequenos de LoRA em modelos até 7B, posso usar Colab Pro ou Kaggle. Para trabalhos maiores, você fornece créditos na nuvem (AWS/GCP/RunPod) ou eu alugo GPUs por custo, com recibos. A computação típica fica entre $20 e $200, dependendo do tamanho do modelo e do dataset.

Trabalho com JSONL, CSV, Parquet, Alpaca, ShareGPT e a maioria das estruturas comuns. Se seus dados estiverem bagunçados ou em um formato incomum, os níveis Standard e Premium incluem limpeza e reformatagem. Para o Básico, envie dados limpos e bem formatados.

Uma revisão é uma rodada adicional de treinamento com hiperparâmetros ajustados ou pequenas mudanças nos dados (até cerca de 10% do dataset), baseada no seu feedback. Revisões NÃO incluem trocar o modelo base, redefinir a tarefa ou substituir grandes partes do dataset — esses precisam de um novo serviço.

A implantação básica (compatível com Ollama, GGUF em uma única máquina) está disponível como extra. Para implantação completa em produção com endpoints API, autoscaling ou infraestrutura na nuvem, confira meu serviço dedicado de deployment ou me envie uma mensagem para um orçamento personalizado.