garum

Última atualização: 30 de outubro de 2026

Aberto—$0/M input

Notas do quadrante

Ver o quadrante completo

Pontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.

Maturidade4.5/10
LoRA Apache-2.0 para o google/gemma-4-31B-it com uma cabeça Bayesiana na última camada, carregada pela classe Python do próprio repositório. Espelho no GitHub com o código. Autor independente; sem API hospedada, servidor, integrações nem SLA.
Capability5.4/10
Decision Index 0.4.1 (22/10) Full 60,27 (#39), logo acima do Jev 1.13 (59,22). Só choice e sim/não (sem score), probabilidades de uma cabeça Bayesiana calibrada, sem ECE publicado. Sem números de latência.
Adoção1/100
Cerca de 32 downloads e nenhum like (20/10). Sem integrações nem usuários em produção encontrados.

Vendor claims

Calibrated Bayesian last-layer head: garum's probabilities are the head's output, not the option-letter logits[Claim do fornecedor — não verificado independentemente]

publicado (OK do Fabricio 20/10 BRT). Notas calculadas do zero.

O que é

LoRA independente com cabeça Bayesiana para o Gemma 4 31B que responde choice e sim/não com probabilidade por opção. Decision Index 0.4 Full 61,69 (#31). Fonte: huggingface.co/plantwaterer/garum.

Resultado no placar

Placar	Linha	Resultado
Decision Index 0.4 (20/10/2026)	garum	Full 61,69 (#31); Jev 1.13 61,26 (#34), Jev 1.14 62,22 (#28)

Não conferido no JevBench nem no Artificial Analysis para esta ficha; os placares nunca são combinados.

Claims do autor (UnverifiedClaim)

Calibrated Bayesian last-layer head: garum’s probabilities are the head’s output, not the option-letter logits (fonte)

Notas (do zero, 20/10/2026)

Capability 5,4 = tipos × 0,30 + calibração × 0,25 + latência × 0,25 + acurácia × 0,20 = 6 × 0,30 + 4 × 0,25 + 4 × 0,25 + 8 × 0,20 = 5,40. Acurácia: 8 × 61,69 ÷ 61,26 = 8,06 → 8.
Maturidade 4,5 = disponibilidade × 0,30 + docs × 0,25 + integrações × 0,25 + suporte × 0,20 = 7 × 0,30 + 6 × 0,25 + 2 × 0,25 + 2 × 0,20 = 4,50.
Adoção 1 = engajamento × 0,35 + ecossistema × 0,35 + produção × 0,30 = 1 × 0,35 + 1 × 0,35 + 0 × 0,30 = 0,70 → 1.

Auditoria de placar (22/10/2026, DI 0.4.1)

publicado (OK do Fabricio 22/10 BRT).

O Decision Index 0.4.1 (22/10; referência Jev 1.13 Full 59,22, era 61,26 no 0.4) lista a linha desta ficha com Full 60,27 (#39). Regra de acurácia: 8 × 60,27 ÷ 59,22 = 8,14 → 8 (era 8). Capability inalterada. Maturidade e adoção inalteradas.

Mesmo autor: oenogarum e allec no Decision Index 0.4.1 (29/10/2026)

publicado (OK do Fabricio 30/10 BRT).

O lote de 29/10 do Decision Index trouxe dois modelos mais novos do plantwaterer, ambos fine-tunes Apache-2.0 do google/gemma-4-31B-it com o mesmo tipo de cabeça calibrada na última camada:

Placar	Linha	Resultado
Decision Index 0.4.1 (dados de 29/10 14:04 UTC)	oenogarum (repo de 25/10)	Full 68,10 (#11 de 247), público 62,80; ECE 0,040; mediana 259 ms
idem	allec, engine oavg	Full 66,96 (#21), público 62,03; ECE 0,047
idem	garum	Full 60,27, sem mudança

O card do oenogarum descreve média sobre a ordem das opções em pedidos curtos, temperatura T = 1,080 nas perguntas de choice e correção bayesiana na última camada para sim/não. Precisa da função de atenção do próprio repositório (camadas de atenção completa bidirecionais). Cerca de 199 downloads e 0 curtidas em 30/10.

Notas inalteradas (4,5 / 5,4 / 1): a ficha é pontuada no garum. O oenogarum agora tem ficha própria (4,8 / 6,7 / 1; o Full dele fica 8 pontos acima do garum).