---
license: apache-2.0
base_model: google/gemma-4-E4B-it
language:
- pt
library_name: transformers
datasets:
- guifav/caramelo-dataset
pipeline_tag: text-generation
tags:
- gemma4
- lora
- portuguese
- brazil
- conversational
- caramelo
---

# Caramelo 4.4.1

Modelo de IA brasileiro treinado por **Guilherme Favaron** sobre modelos open source. Esta versão usa como base o `google/gemma-4-E4B-it` (Gemma 4 E4B, Apache-2.0) e aplica um fine-tune LoRA que treina síntese e comunicação na voz de escrita do autor: resposta direta em português do Brasil, argumento com dado e exemplo, sem hype e sem emoji.

A premissa do projeto: a forma de comunicar é parte da performance. Nos testes cegos abaixo, o fine-tune vence o próprio modelo base em **qualidade**, além do estilo. No ciclo em que o raciocínio bruto foi medido (3.4.2, 1.432 questões do ENEM), ele ficou no nível do base.

Em produção em [ia-caramelo.com](https://ia-caramelo.com) desde julho de 2026, servindo API compatível com a OpenAI, app web e CLI (`caramelo-chat` no npm). Gratuito, com limites de uso.

## Como foi treinado

- Base: `google/gemma-4-E4B-it` @ `fee6332c` (revision pinada; `training_config.json` registra o snapshot completo de hiperparâmetros, versões e revisions)
- Dataset: [`guifav/caramelo-dataset`](https://huggingface.co/datasets/guifav/caramelo-dataset), 414 pares de correção de estilo (o mesmo dataset e a mesma receita do ciclo anterior, documentados no [relatório técnico](https://ia-caramelo.com/paper))
- Método: QLoRA 4-bit (r=16, alpha=32, dropout 0.05, 3 épocas, LR 2e-4), adapter de 34,9M parâmetros (0,44% do modelo); loss de treino 2,53 → 1,33
- Publicação: adapter em `guifav/caramelo-gemma4-e4b-lora-adapter`; este repo contém o merge em bf16 e o GGUF `Q4_K_M` usado em produção
- Script: `finetune/gemma4_e4b/train_lora.py` no [repositório do projeto](https://github.com/guifav/caramelo)

A arquitetura base `Gemma4ForConditionalGeneration` é multimodal (any-to-any: texto, imagem e áudio), mas o Caramelo opera **apenas em texto**: o LoRA é anexado só no decoder textual (`model.language_model.layers.*`) e as pernas de vision/audio ficam congeladas. Por isso o `pipeline_tag` é `text-generation`.

## Avaliação (A/B cego, 2 juízes LLM independentes)

Nos 24 prompts held-out do benchmark do projeto:

| Comparação | Estilo | Qualidade |
|---|---|---|
| vs. Gemma 4 E4B base (sem fine-tune) | 100% | 95–100% |
| vs. caramelo 3.4.2 (versão anterior, Gemma 3 4B) | 79–87% | 87–91% |

O 4.4.1 escreve respostas mais completas que o 3.4.2 (~400 vs ~270 tokens em média); no julgamento cego, os juízes apontaram que a versão anterior omitia conteúdo relevante com mais frequência.

Esses números sustentam a premissa: treinar comunicação melhora a performance medida da tarefa. No ciclo anterior (3.4.2), o raciocínio bruto foi medido em 1.432 questões do ENEM e ficou no nível do base (57,5% vs 57,2%), enquanto a qualidade julgada às cegas venceu o base em 66–70%.

## Produção

Servido em CPU (llama.cpp, GGUF `Q4_K_M`, 5,0 GiB) a ~18,5 tokens/s em 4 vCPUs. O chat template do Gemma 4 liga thinking por padrão; em produção o servidor roda com `--reasoning off`. A persona e a camada de segurança são injetadas server-side pelo gateway e têm prioridade sobre instruções do usuário.

## Licença

O modelo base `google/gemma-4-E4B-it` é distribuído sob **Apache-2.0**; este fine-tune segue os mesmos termos. O dataset `guifav/caramelo-dataset` é de propriedade de Guilherme Favaron. Confirme a licença vigente na página do modelo base antes de redistribuir.

## Segurança

A camada de segurança do Caramelo em produção é aplicada server-side pelo gateway em ia-caramelo.com. Estes pesos não devem ser usados sem moderação própria.