ENPT

MISA AI 2.0 Decision Plus

Última atualização:

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.

  • Maturidade5.1/10

    Pesos Apache-2.0 (fine-tune do Gemma-4-31B-it, 62,6 GB em bf16), card com serving de /v1/systemone e /v1/decisions no SGLang, dicas e limites. Empresa responsável (MISA JSC), mas sem SLA, sem API hospedada e sem integrações.

  • Capability5.6/10

    Noul, choice e score sobre texto e imagem, inglês e vietnamita. Sem benchmark, ECE nem latência no card; fora do JevBench, DI 0.3 e AA. Calibração é só uma tag. Pontuado pelos tipos declarados, com acurácia e calibração em valores baixos por padrão.

  • Adoção1/100

    Publicado em 16/10: 11 downloads, 0 likes, sem post de lançamento, sem integrações nem usuários.

Vendor claims

publicado (OK do Fabricio 17/10 BRT).

Leia primeiro. O card não publica benchmark, calibração nem latência, e o modelo não está em nenhum placar. As notas abaixo se apoiam só em recursos documentados.

O MISA AI 2.0 Decision Plus é um modelo de decisão da MISA JSC (o card não dá mais descrição da empresa), fine-tune do Gemma 4 31B-it. Ele responde perguntas estruturadas sobre texto ou imagem com probabilidades em vez de texto gerado, lendo o estado uma vez numa única passada de prefill.

Specs

Atributo Valor
Empresa MISA JSC
Publicado 16/10/2026 (repo no HF criado às 08:21 UTC, 05:21 BRT)
Pesos misa-jsc/misa-ai-2.0-decision-plus, safetensors bf16 em dois shards (~62,6 GB), Gemma4ForConditionalGeneration, ~31B denso, 60 camadas
Licença Tag Apache-2.0; o card diz que os pesos seguem a licença Gemma 4 (Apache 2.0), herdada da base
Idiomas Inglês e vietnamita
Entrada Texto e imagem; contexto de 256K declarado
Tipos de pergunta noul (sim/não), choice (um rótulo com probabilidade por opção e confiança), score (níveis ordinais). Cada resposta também devolve uma “label mass” (parcela da probabilidade nos rótulos válidos) como checagem de encaixe
Serving “Versões recentes do SGLang servem /v1/systemone e /v1/decisions direto” (--default-chat-template-kwargs '{"enable_thinking": false}')
Preço Self-hosted. Nenhuma API hospedada encontrada
Benchmarks Nenhum publicado

Relação com o linne-oak

O linne-oak é outro modelo de decisão Gemma 4 31B, em inglês e vietnamita, Apache-2.0, publicado cinco dias antes com o mesmo estilo de tags, e o card dele se descreve como projeto pessoal e independente. O card da MISA não menciona o linne-oak, e nada público liga os dois. Nenhuma afirmação além dessa observação.

Fit / anti-fit

Serve quando você precisa de: um modelo de decisão aberto de 31B para texto ou imagem em vietnamita e inglês, no formato /v1/systemone, com um sinal de “label mass” para perguntas que não encaixam.

Não serve quando você precisa de: qualquer acurácia ou calibração medida, uma API hospedada ou hardware pequeno (62,6 GB de pesos).

Limites

  • Nenhum número em lugar nenhum: sem placar, sem ECE, sem latência, sem descrição dos dados de treino.
  • A ressalva do próprio card: as probabilidades são calibradas na distribuição de treino; confira a calibração em domínios muito diferentes e defina limiares de segurança no seu tráfego.

Pesos Apache-2.0 abertos, superfície /v1/systemone tipada e autoria de empresa atendem à regra de inclusão, mas a evidência é escassa, então a nota é baixa. Rever quando um placar ou o vendor publicar resultados.

Conta das notas (17/10/2026)

  • Maturidade = disponibilidade 8 × 0,30 + docs 6 × 0,25 + integrações 3 × 0,25 + suporte 2 × 0,20 = 2,40 + 1,50 + 0,75 + 0,40 = 5,05 → 5,1
  • Capability = tipos 10 × 0,30 + calibração 4 × 0,25 + latência 4 × 0,25 + acurácia 3 × 0,20 = 3,00 + 1,00 + 1,00 + 0,60 = 5,60 → 5,6
  • Adoção = engajamento 1 × 0,35 + ecossistema 2 × 0,35 + produção 0 × 0,30 = 0,35 + 0,70 + 0,00 = 1,05 → 1

Disponibilidade 8: pesos Apache-2.0 no Hub (como o linne-oak). Docs 6: card com uso, serving e limites, sem avaliação. Integrações 3: o SGLang serve /v1/systemone (compatibilidade = 3). Suporte 2: autor é empresa, mas sem SLA nem serviço hospedado.

Calibração 4: marcado como “calibrated” sem método (precedente linne-oak). Latência 4: sem número (faixa “sem número = 4”). Acurácia 3: nenhum benchmark nem alegação, abaixo do 6 dado a rodadas do vendor.