AKIE
Adaptive Knowledge and Intelligence Engine
O primeiro ePLM — Evolutionary Personal LLM — 100% brasileiro
O que é o AKIE
AKIE é um modelo de linguagem treinado 100% do zero — arquitetura, tokenizer e embeddings próprios, sem partir de nenhum modelo de terceiros. É o motor por trás do NEXUS, o assistente conversacional da AETHER OS.
Desenvolvido pela AETHER Lab, o braço de pesquisa/modelo da AETHER OS — não uma equipe corporativa com orçamento ilimitado, mas uma pessoa construindo com o que tem, um treino de cada vez.
Por que "ePLM"
ePLM — Evolutionary Personal LLM é uma categoria própria, definida não pelo tamanho do modelo, mas pela filosofia de como ele nasce e como se relaciona com quem usa:
- Evolutionary — não nasce pronto. Cresce em etapas, cada treino é evolução, não substituição.
- Personal — construído por uma pessoa, não por corporação. E se adapta à pessoa que usa.
- LLM — o Large aqui não é sobre tamanho, é sobre ambição. Um ePLM começa pequeno, mas mira longe.
AKIE não é a IA maior, nem tenta competir em escala com os grandes laboratórios. É a alternativa real pra quem não tem acesso a eles — feita por alguém no mesmo lugar, sem orçamento de sobra pra errar em escala e corrigir depois. Isso não é discurso — é a restrição real sob a qual cada decisão de treino deste modelo foi tomada.
Status: em treinamento — leia antes de esperar demais
Este modelo ainda está em pré-treino, sem SFT (ajuste de instrução). As capacidades abaixo descrevem para onde o projeto está indo, não o que o checkpoint atual já entrega de forma confiável. Pesos não publicados aqui ainda.
- Arquitetura: 350M parâmetros (Llama-style: RMSNorm, SwiGLU, RoPE, 26 camadas, hidden=1024, 16 heads, embeddings compartilhadas)
- Corpus: ~6B tokens, 4 eixos (código, raciocínio, instruções, diálogo + conhecimento factual), 100% português do Brasil + código
- Contexto: 4096 tokens
- Progresso atual (atualizado pela sessão de treino): step
40.400/66.261 da primeira época (61%), val_loss em queda estável (~1,64)
Depois do pré-treino, o modelo passa por SFT antes do lançamento público dos pesos. O objetivo pro SFT é comportamento cauteloso e verificado — não prometido aqui como já entregue.
Filosofia
O objetivo não é bater benchmark — é um modelo que, quando pronto, se comporte de forma confiável: verificar fatos antes de responder quando não tem certeza, admitir quando não sabe em vez de inventar, e ser transparente sobre a confiabilidade das fontes que usa. Pequeno, mas honesto — sobre o que sabe e sobre onde ainda está em construção.