O Centro de Excelência em Inteligência Artificial da Universidade Federal de Goiás publicou o Lumi-4B, um modelo de linguagem de 4 bilhões de parâmetros treinado com foco em português. O modelo está no Hugging Face desde 27 de outubro e, nos testes divulgados pelo próprio centro, fica em segundo lugar entre nove modelos do mesmo porte — à frente dos outros dois modelos brasileiros da comparação e do Nemotron da NVIDIA.
Adicione ao Google Notícias
O CEIA é uma unidade Embrapii desde 2020 e funciona no Instituto de Informática da UFG, em Goiânia. O lançamento é apresentado pelo centro como uma alternativa nacional às soluções importadas, com a promessa de que empresas possam partir dele para construir aplicações próprias sem enviar dados sensíveis para fora.
Segundo lugar entre nove, à frente dos outros brasileiros
A comparação publicada pelo CEIA reúne nove modelos de porte parecido e usa cinco testes em português. A média do Lumi é de 44,8, contra 49,5 do chinês Qwen3.5-4B, que lidera. Na sequência aparecem o Qwen3-4B-Instruct (43,9), o NVIDIA Nemotron-3-Nano-4B (43,4) e o Gemma-3-4B-IT, do Google (39,4).
O resultado mais significativo está na comparação interna: o Lumi fica bem à frente dos outros dois modelos brasileiros do levantamento, o Tucano2-Qwen-3.7B (35,6) e o Gemma-3-Gaia-PT-BR-4B (33,0). Nos testes individuais, o modelo marca 59,36% no Global MMLU em português, 48,80% no MMLU de nível superior e 33,83% no IFEval, que mede obediência a instruções — a nota mais baixa da série.
O centro registra na própria página que não informa as versões dos conjuntos de avaliação nem os parâmetros de execução dos testes, o que impede a reprodução independente dos números.
A arquitetura é da NVIDIA
Os arquivos de configuração do modelo mostram que o Lumi foi construído sobre a arquitetura Nemotron-H, desenvolvida pela NVIDIA, que combina camadas Transformer com o mecanismo Mamba. O repositório inclui os módulos de configuração dessa arquitetura e um analisador de raciocínio identificado como pertencente à linha Nemotron Nano v3.
Os números técnicos confirmam o porte: 42 camadas, vocabulário de 131 mil tokens e janela de contexto de até 262 mil tokens, o que permite processar documentos longos de uma vez. O centro não informa se o modelo foi treinado do zero ou ajustado a partir de pesos existentes — e essa distinção é justamente a que sustenta ou relativiza o discurso de menor dependência de tecnologia estrangeira.
O material de divulgação chama o Lumi de modelo aberto, mas a página do repositório não traz nenhuma licença, e a ficha do modelo admite que não documenta a licença, o modelo-base nem os dados de treinamento.
O download exige confiar em código próprio do repositório, e por ora só há arquivos no formato Safetensors, com três versões reduzidas publicadas por terceiros.
O interesse apareceu rápido: foram 1.497 downloads e 44 curtidas no primeiro mês. O modelo pode ser baixado na página do Lumi-4B no Hugging Face.
