O modelo de linguagem treinado do zero, 100% brasileiro, pelo AETHER OS — não é um wrapper em cima de API de terceiro. Menor, mais barato de rodar, e desenhado pra fazer bem um conjunto específico de tarefas em vez de prometer saber tudo.
O AKIE não tenta competir com os grandes modelos de mercado — não é essa a proposta. É um modelo pequeno, treinado com propósito, focado em fazer bem um conjunto de tarefas reais: entender lógica aplicada a desenvolvimento web e correção de bugs, funcionar como agente confiável de terminal pra quem não é programador, e — talvez o mais importante — saber reconhecer quando não sabe algo e buscar a resposta certa em vez de inventar.
Ter um modelo próprio significa poder oferecer o AETHER OS com preço acessível em real, sem depender do custo por uso de uma API de terceiro pra cada cliente.
Reforço direcionado a desenvolvimento web e correção de bugs reais — não exercício de algoritmo descolado do dia a dia.
Pensado pra quem não programa conseguir usar terminal e automação com segurança, sem precisar entender o que está por trás.
Prioriza buscar fato e sintetizar em vez de confabular — confiável significa isso antes de significar "sabe tudo".
Preferimos mostrar o processo real em vez de esconder que é um modelo em construção. É treino do zero, feito por etapas, com cada uma verificada antes de avançar pra próxima.
Preferimos um conjunto de dado menor e verificado a um conjunto gigante sem checagem — cada fonte é conferida por amostra real antes de entrar no treino.
O modelo é treinado pra raciocinar mais quando a decisão é genuinamente difícil, e responder direto quando não é — não gerar "pensamento" automático toda vez.
Achados de erro, limite de capacidade e correção fazem parte do processo — não escondemos isso, é assim que um modelo confiável de verdade se constrói.
A AETHER Lab hoje é o laboratório pessoal do fundador do AETHER OS — uma pessoa, com apoio de ferramentas de IA no processo. Treinar um modelo de linguagem do zero sendo um time de um é raro; preferimos falar isso abertamente a inflar a imagem de uma equipe grande que ainda não existe.
O checkpoint do pré-treino está disponível publicamente pra quem quiser experimentar fine-tuning ou pré-treino continuado (CPT) próprio. Vale ser direto sobre o que isso é e o que não é:
O que tem de real valor: arquitetura e tokenizer treinados do zero especificamente pra português — não é fine-tune de uma base em inglês adaptada. Isso coloca o AKIE num grupo bem pequeno de LLMs publicados assim em PT-BR (o Tucano é a referência mais direta que conhecemos).
O que ainda não é: um modelo competitivo em benchmark geral. É um checkpoint inicial, com volume de treino ainda modesto pros padrões atuais, passando agora por uma recalibração real de composição de dado antes da próxima etapa. Trate como material de pesquisa/experimentação, não como modelo pronto pra produção.