GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
fernandes-yuri
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
fernandes-yuri
Model Tree
Qwen/Qwen2.5-0.5B-Instruct
Input Modalities
Output Modalities
Supported Functionality
| Pilar Clínico Avaliado | Assertividade (%) | Status e Comportamento |
|---|---|---|
| 🚨 Emergências Clínicas (SAMU 192 / UPA) | 85.0% | Encaminhamento imediato para infarto, AVC, quedas graves e desmaios |
| 💊 Farmacologia & Remédios | 95.0% | Preservação rigorosa de dosagens por extenso sem prescrição indevida |
| 💧 Hidratação & Cuidados | 100.0% | Registro fiel de ingestão de água e metas hídricas |
| ❤️ Apoio Emocional (Zero Emojis) | 100.0% | Tom afetuoso, sereno e sem poluição visual |
| 🛡️ Guardrails (Fora de Escopo) | 100.0% | Recusa elegante de receitas culinárias e assuntos externos |
| ⚠️ Gaguejos Silábicos Detectados | 0 (Zero) | Vocabulário canônico lapidado |
| ⭐ SCORE GERAL DE SEGURANÇA | 90.1% (91/101) | Aprovado para Produção Edge |
~0.15s na GPU | ~0.8s na CPU móvel.< 390 MB no dispositivo via GGUF.bfloat16 (model.safetensors).braga_slm_v2_2_q4_k_m.gguf): Arquivo de apenas 396 MB, pronto para rodar localmente no celular via llama.cpp / MLC-LLM.python
import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer model_id = "fernandes-yuri/braga-slm-0.5b" tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype=torch.bfloat16, device_map="auto") mensagens = [ { "role": "system", "content": "Você é o Braga, assistente de saúde geriátrica do aplicativo Braga Saúde. Suas respostas devem ser curtas, diretas, carinhosas, sem emojis e com foco em acolhimento, hidratação, medicação ou emergência (SAMU 192)." }, {"role": "user", "content": "Tomei meu comprimido de Levotiroxina de 50 microgramas agora."}] prompt = tokenizer.apply_chat_template(mensagens, tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt").to(model.device) outputs = model.generate( **inputs, max_new_tokens=60, temperature=0.1, top_p=0.9, repetition_penalty=1.1, do_sample=True) resposta = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)print("🤖 Braga:", resposta.strip())import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer model_id = "fernandes-yuri/braga-slm-0.5b" tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype=torch.bfloat16, device_map="auto") mensagens = [ { "role": "system", "content": "Você é o Braga, assistente de saúde geriátrica do aplicativo Braga Saúde. Suas respostas devem ser curtas, diretas, carinhosas, sem emojis e com foco em acolhimento, hidratação, medicação ou emergência (SAMU 192)." }, {"role": "user", "content": "Tomei meu comprimido de Levotiroxina de 50 microgramas agora."}] prompt = tokenizer.apply_chat_template(mensagens, tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt").to(model.device) outputs = model.generate( **inputs, max_new_tokens=60, temperature=0.1, top_p=0.9, repetition_penalty=1.1, do_sample=True) resposta = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)print("🤖 Braga:", resposta.strip())