GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Finish-him
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
Finish-him
Model Tree
Qwen/Qwen2.5-0.5B
Input Modalities
Output Modalities
Supported Functionality
Arquimedes é o agente tutor da MSC Academy. Esta é a versão SFT v1: um
Qwen2.5-0.5B ajustado por LoRA para mentoria de programação em português —
explicações técnicas passo a passo e resolução comentada de exercícios.
A intenção não é um assistente de propósito geral, e sim um modelo pequeno, barato de rodar e especializado em didática de código, que pode ser embarcado em produtos de educação sem o custo de uma API de fronteira.
Fora de escopo: assistente geral, geração de código de produção crítico, idiomas além do português.
Qwen/Qwen2.5-0.5Br=8, alpha=16, dropout=0.05, alvos q/k/v/o_proj).arquimedes-tutor-sft-v1 — 353 instruções
de mentoria de programação (meta v1 de 300+ ultrapassada). O dataset passou por
gates de qualidade: validação de schema, varredura de segredos, varredura
de PII e deduplicação, com revisão humana aprovada.Tratamos dados como produto: nada entra no treino sem passar pelos gates acima. É o mesmo padrão que aplicamos em projetos de cliente.
Avaliação formal contra baseline em andamento. Esta é uma release preview — seguimos a regra de só publicar número medido, então não há tabela de benchmark aqui ainda. Os resultados entram quando o harness de eval fechar.
python
from transformers import AutoModelForCausalLM, AutoTokenizerfrom peft import PeftModel base = "Qwen/Qwen2.5-0.5B"adapter = "Finish-him/arquimedes-tutor-sft-v1" tok = AutoTokenizer.from_pretrained(base)model = AutoModelForCausalLM.from_pretrained(base)model = PeftModel.from_pretrained(model, adapter) prompt = "Explique, passo a passo, o que é recursão para um iniciante."inputs = tok(prompt, return_tensors="pt")out = model.generate(**inputs, max_new_tokens=256)print(tok.decode(out[0], skip_special_tokens=True))Demo: o msc-multi-agent-space.
A MSC treina modelos pequenos especializados para tarefas específicas — mais baratos de rodar e privados. Precisa de um modelo sob medida para o seu caso? A MSC Labs faz fine-tuning done-for-you, com avaliação contra o seu baseline antes de você se comprometer.
📩 labs@msccompany.com.br · 🔗 https://labs.msccompany.com.br
from transformers import AutoModelForCausalLM, AutoTokenizerfrom peft import PeftModel base = "Qwen/Qwen2.5-0.5B"adapter = "Finish-him/arquimedes-tutor-sft-v1" tok = AutoTokenizer.from_pretrained(base)model = AutoModelForCausalLM.from_pretrained(base)model = PeftModel.from_pretrained(model, adapter) prompt = "Explique, passo a passo, o que é recursão para um iniciante."inputs = tok(prompt, return_tensors="pt")out = model.generate(**inputs, max_new_tokens=256)print(tok.decode(out[0], skip_special_tokens=True))