APIs ligeiramente diferentes exigem uma abordagem especial.
Aqui está uma comparação lado a lado do suporte a saída estruturada (obter JSON confiável) entre os principais provedores de LLM, além de exemplos mínimos em Python
Algumas maneiras de obter saídas estruturadas do Ollama
Modelos de Linguagem de Grande Escala (LLMs) são poderosos, mas em produção raramente queremos parágrafos de texto livre. Em vez disso, queremos dados previsíveis: atributos, fatos ou objetos estruturados que você possa alimentar em um aplicativo. Isso é Saída Estruturada de LLM.
Em julho de 2025, em breve deverá estar disponível.
A Nvidia está prestes a lançar o NVIDIA DGX Spark - um pequeno supercomputador de IA baseado na arquitetura Blackwell, com mais de 128 GB de RAM unificada e desempenho de IA de 1 PFLOPS. Um ótimo dispositivo para executar LLMs.
Longread sobre as especificações e a implementação do MCP em GO
Aqui temos uma descrição do Protocolo de Contexto de Modelo (MCP), notas breves sobre como implementar um servidor MCP em Go, incluindo estrutura de mensagens e especificações do protocolo.
Implementando RAG? Aqui estão alguns trechos de código em Go - 2...
Como o Ollama padrão não possui uma API de rerank direta, você precisará implementar a rerank usando o Qwen3 Reranker em GO gerando embeddings para pares de consulta-documento e atribuindo pontuações a eles.
Implementando RAG? Aqui estão alguns snippets de código em Golang.
Este pequeno Exemplo de código Go para reranking que chama o Ollama para gerar embeddings é usado para a consulta e para cada documento candidato, ordenando em ordem decrescente por similaridade cosseno.
Novos e incríveis LLMs disponíveis no Ollama
Os modelos Qwen3 de Embedding e Reranker são os lançamentos mais recentes da família Qwen, projetados especificamente para tarefas avançadas de incorporação (embedding), recuperação e reclassificação de texto.
O conjunto completo de ferramentas MM* está em fim de vida (EOL)...
Utilizei bastante o MMDetection (mmengine, mdet, mmcv), e agora parece que ele saiu do jogo. É uma pena. Gostava muito do seu repositório de modelos.
Incredível novo modelo de IA para gerar imagens a partir de texto.
Recentemente, a Black Forest Labs publicou um conjunto de modelos de IA de texto para imagem. Diz-se que esses modelos oferecem uma qualidade de saída muito superior. Vamos testá-los
Comparando dois motores de busca de IA auto-hospedados
Comida deliciosa é um prazer também para os olhos. Mas, neste post, vamos comparar dois sistemas de busca baseados em IA, Farfalle e Perplexica.
Não há muitas opções para escolher, mas ainda assim....
Quando comecei a experimentar com LLMs, as interfaces de usuário (UIs) para eles estavam em desenvolvimento ativo e agora algumas delas são realmente boas.
Exige alguma experimentação, mas
Ainda assim, existem algumas abordagens comuns sobre como escrever bons prompts para que os LLMs não fiquem confusos ao tentar entender o que se espera deles.
A rotulagem e o treinamento precisam de alguma colagem.
Quando treinei um detector de objetos com IA há algum tempo, o LabelImg foi uma ferramenta muito útil, mas a exportação do Label Studio para o formato COCO não era aceita pelo framework MMDetection..
Vamos testar a qualidade da detecção de falácias lógicas em diferentes LLMs.
Aqui estou comparando várias versões de LLMs (Modelos de Linguagem): Llama3 (Meta), Phi3 (Microsoft), Gemma (Google), Mistral Nemo (Mistral AI) e Qwen (Alibaba).
Há bastante tempo, treinei um sistema de IA de detecção de objetos.
Num dia frio de julho … que é na Austrália … Senti uma necessidade urgente de treinar um modelo de IA para detectar barras de aço de reforço de concreto sem as tampas de proteção…
