Vega-U: um motor de 14,3M com uma porta para cada leitor congelado, do autor do Vega
publicado (OK do Fabricio 18/10 BRT).
Nandakishor M, que fez o Vega, publicou o Vega-U no Hugging Face em 17 de outubro de 2026 (15:20 BRT) e o anunciou no X em 18 de outubro (00:16 BRT), junto com uma nova empresa, a Embedding Space. O post no blog e o post no X dizem que o problema resolvido é retreinar uma cabeça de decisão para cada backbone: agora um único motor treinado funciona com vários modelos de linguagem congelados.
O que tem no repositório. O nandakishorm/vega-U (Apache-2.0 nos metadados do Hub) traz um motor de 14,3M de parâmetros, cerca de 57 MB, mais uma pequena “porta” linear para cada leitor congelado: Qwen3.5-0.8B (na raiz do repositório), Qwen3.5-4B, Qwen3.8-27B e gemma-3-1b-it. O código é o pacote vegaml (0.11 ou mais novo; Apache-2.0, 265 estrelas em 18/10). O post no X diz que o adaptador se encaixa em modelos “0.8B, 4B, 9B, or 27B”; o repositório não lista porta para 9B e lista o Gemma 3 1B.
Números do autor (UnverifiedClaim). Acurácia held-out de 0,811 com o leitor de 27B (erro de calibração 0,021, AURC 0,053), 0,791 com o de 4B, 0,765 com o de 0,8B e 0,738 com o Gemma 1B. O tipo de score ordinal fica perto de 0,61. O número do 27B vem de um split limitado a 400 registros por fonte. Eles não estão no JevBench, no Decision Index nem na Artificial Analysis, e nenhum terceiro reproduziu. Na hora da leitura o modelo tinha 12 downloads e 5 likes, e o post de lançamento cerca de 170 likes.
Por que importa, e o que não muda. Um motor compartilhado, se resistir fora dos testes do autor, cortaria o retreino por backbone que projetos de estilo adaptador costumam exigir. Mas os resultados independentes do próprio Vega de 17/10 (JevBench de pesos abertos: Intelligence 16,7 no 4B) não mudam, e os números novos são do autor. A ficha do Vega ganhou uma seção sobre o Vega-U; as notas continuam 4,8 / 5,9 / 2.