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.
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))