Modelos base
Os encoders de onde o seu modelo parte, todos feitos pelo nosso lab, e os dados com que foram treinados.
O seu modelo não é treinado do zero: ele parte de um modelo base, um encoder que já lê linguagem e toma decisões
tipadas, e aprende a sua decisão em cima dele. Todo modelo base é nosso, com o nome TS-{base}-{tamanho}, aberto e
liberado para uso comercial (Apache-2.0). GET /v1/encoders lista todos, com o que dá para escolher agora.
| Modelo base | encoder | Tamanho | Idiomas | Contexto | Decision Index 0.3 | Treino |
|---|---|---|---|---|---|---|
| TS-moBERTo-150M (recomendado) | ts-moberto-150m | 150M | EN, PT | 8.192 tokens | 31,20 / 33,89 | Disponível |
| TS-Ettin-150M | ts-ettin-150m | 150M | EN | 8.192 tokens | 31,96 / 34,78 | Disponível |
| TS-Ettin-68M | ts-ettin-68m | 68M | EN | 8.192 tokens | 27,61 / 30,46 | Disponível |
| TS-Ettin-32M | ts-ettin-32m | 32M | EN | 8.192 tokens | 19,70 / 22,45 | Disponível |
| TS-Ettin-17M | ts-ettin-17m | 17M | EN | 8.192 tokens | 15,76 / 18,52 | Disponível |
O índice público do Decision Index 0.3, na rodada do nosso lab: o encoder sozinho, depois com os especialistas de código e de cálculo que vêm com os modelos publicados. Medido em benchmarks públicos, não na sua tarefa: o seu modelo é medido nos seus exemplos, contra o Jev (o cálculo de reembolso). O contexto é quanto texto um exemplo comporta; exemplos maiores são recusados, nunca cortados.
TS-moBERTo-150M
A nossa base padrão, em inglês e português, feita para decisões tipadas (choice, noul, score, com probabilidades e
uma confiança) em CPU. Ela parte do moBERTo (Apache-2.0) e foi
publicada antes como Dinah-1, cuja rodada oficial do Decision Index marcou
34,32, com os resultados brutos publicados para auditoria. Em decisões tipadas separadas para teste (1.000 itens cada):
0,790 de acurácia em inglês e 0,780 em português.
TS-Ettin
A mesma receita sobre os rerankers Ettin (Apache-2.0), em quatro tamanhos, só em inglês. O de 150M é a base mais forte no índice; os menores trocam pontos por velocidade e memória, para celulares, navegadores e volumes altos. A confiança deles ainda não foi calibrada; o seu modelo treinado continua medido do mesmo jeito.
Com o que foram treinados
Os cinco seguem a mesma receita, nos mesmos dados, em duas etapas (2.048 tokens, depois 8.192) e a média das duas. Cada fonte com a licença que o seu próprio card declara. Fontes sob CC BY-SA e CDLA-Sharing são usadas só no treino e não são redistribuídas.
| Área | Fontes |
|---|---|
| Decisões tipadas | ZefanCai/Open-Jev (CC0-1.0), LocalLLaMA/typed-decisions (Apache-2.0), typed-decisions-pt traduzido com Qwen3-4B (Apache-2.0), tasksource/procedural-typed-decisions (Apache-2.0) |
| Intenções e atendimento ao cliente | AmazonScience/massive (CC BY 4.0), Bitext customer support (CDLA-Sharing-1.0), BANKING77 (CC BY 4.0), CLINC150 (CC BY 3.0), FAQ_BACEN (Apache-2.0) |
| Inferência e checagem de fatos | WANLI (CC BY 4.0), SNLI (CC BY-SA 4.0), HoVer (CC BY-SA 4.0), FEVER-NLI (MIT; FEVER e Wikipedia CC BY-SA 3.0), ContractNLI (CC BY 4.0), bAbI-NLI (BSD), FaQuAD-NLI (CC BY 4.0), ExtraGLUE RTE e COPA em português (MIT) |
| Raciocínio e conhecimento | CommonsenseQA (MIT), Cosmos QA (CC BY 4.0), BoolQ (CC BY-SA 3.0), HellaSwag (MIT), WinoGrande (Apache-2.0), split de treino do ARC (CC BY-SA 4.0), QASC (CC BY 4.0), StrategyQA (MIT), tarefas do BIG-bench sem BBH (Apache-2.0), MMLU auxiliary train, partes ARC e OpenBookQA (MIT), GSM8K (MIT), CLadder (MIT) |
| Saúde, finanças e direito | PubMedQA (MIT), MedMCQA (Apache-2.0), twitter-financial-news-sentiment (MIT), financial-tweets-sentiment (MIT), NOSIBLE financial-sentiment (ODC-By), FinQA hallucination detection (MIT), pyRis/SEntFiN (MIT), CUAD (CC BY 4.0), jurisprudencias_br (CC BY 4.0), IBM Claim Stance (CC BY 3.0) |
| Sentimento, emoção e moderação | GoEmotions (Apache-2.0), Civil Comments (CC0-1.0), iSarcasmEval (MIT), B2W-Reviews01 (CC BY 4.0), multilingual-sentiments em português (Apache-2.0) |
| Busca e alucinação | ESCI (Apache-2.0), HaluEval (Apache-2.0), RAGTruth (MIT), CNN/DailyMail (Apache-2.0), SQuAD 2.0 (CC BY-SA 4.0) |
| Ferramentas | glaive-function-calling-v2 (Apache-2.0), ToolACE (Apache-2.0), hermes-function-calling-v1 (Apache-2.0), nvidia/When2Call (CC BY 4.0) |
| Phishing | LLMGen-Phishing-Email-Dataset (Apache-2.0), aura-phishing-email-corpus, parte SpamAssassin (CC BY 4.0) |
| Xadrez | Lichess puzzles (CC0-1.0), google-deepmind/searchless_chess (Apache-2.0) |
| Humor | newyorker_caption_contest, tarefa de correspondência (CC BY 4.0) |
| Feito por nós | Traduções de inglês para português com opus-mt-tc-big-en-pt (CC BY 4.0); e-mails de phishing sintéticos escritos com gpt-oss-120b, rótulos definidos por código (Apache-2.0); residências sintéticas com eletrodomésticos, exemplos de alucinação em RAG e habilidades programáticas (aritmética, datas, unidades, ordenação, grafos, saída de código), gerados pelos nossos scripts (MIT e Apache-2.0) |
Os blocos de treino foram checados contra as linhas públicas de teste do Decision Index (remoção de duplicatas exatas e quase duplicatas, e sobreposição de 8-gramas para os blocos mais novos).
Qual escolher
- Na dúvida, ou em português: TS-moBERTo-150M, o padrão. É o mais forte nas nossas decisões tipadas separadas para teste (0,790 em inglês, 0,780 em português, contra 0,709 em inglês do TS-Ettin-150M).
- Em inglês, e você quer comparar: TS-Ettin-150M, o mais alto no Decision Index. Treine os dois nos mesmos dados e fique com a versão que vencer nos seus exemplos separados para teste.
- Quando cada milissegundo ou megabyte conta: TS-Ettin-68M, 32M ou 17M.
Todo modelo base treina do mesmo jeito e é medido pela mesma regra, então testar outro é uma nova versão do mesmo treino.