Instructions to use mangaba-ai/Mangaba-Financeiro-8B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- PEFT
How to use mangaba-ai/Mangaba-Financeiro-8B with PEFT:
from peft import PeftModel from transformers import AutoModelForCausalLM base_model = AutoModelForCausalLM.from_pretrained("/home/linuxadmin/models/Qwen3-8B") model = PeftModel.from_pretrained(base_model, "mangaba-ai/Mangaba-Financeiro-8B") - Notebooks
- Google Colab
- Kaggle
Cadastre-se para acessar o Mangaba Financeiro 8B
O acesso aos arquivos é liberado pela equipe da Mangaba AI depois da análise do cadastro.
Os dados informados são usados pela Mangaba AI apenas para avaliar o pedido e entrar em contato sobre o uso do modelo, conforme a LGPD (Lei 13.709/2018). Não são compartilhados com terceiros.
Log in or Sign Up to review the conditions and access this model content.
Mangaba Financeiro 8B
Especialista da Mangaba AI para bancos, fintechs, instituições de pagamento e áreas de compliance: adaptador LoRA sobre o Qwen3-8B, treinado na legislação de regulação financeira (Sistema Financeiro Nacional, arranjos de pagamento, sigilo bancário, PLD/FT e câmbio), mais a base de busca no texto vigente das normas. O modelo responde em português do Brasil a partir dos trechos recuperados, citando artigo e norma.
Normas cobertas (texto vigente do Planalto, coletado em 19/10/2026)
- Lei 4.595/1964 (SFN)
- Lei 12.865/2013 (arranjos de pagamento)
- LC 105/2001 (sigilo bancário)
- Lei 9.613/1998 (lavagem de dinheiro)
- Lei 14.286/2021 (câmbio)
Avaliação (60 perguntas fora do treino; juiz: Mangaba Titan 122B)
| Métrica | Qwen3-8B sem busca | Qwen3-8B + busca | Mangaba Financeiro 8B + busca |
|---|---|---|---|
| Resposta correta (nota 5 de conteúdo) | 0% | 67% | 82% |
| Correta e com o artigo exato | 0% | 55% | 78% |
| Cita o artigo correto | 15% | 93% | 92% |
| Cita a norma correta | 47% | 95% | 95% |
| Nota média de conteúdo (1–5) | 1,03 | 4,10 | 4,30 |
Treino
- Etapa 1: LoRA r=32/α=64 em todas as projeções lineares, 3 épocas, perguntas e respostas geradas por artigo + recuperação do texto de cada artigo pelo número.
- Etapa 2: 1 época com a pergunta acompanhada de trechos recuperados (o dispositivo certo misturado a trechos parecidos), ensinando a responder pelos trechos e citar o rótulo exato.
- 2× NVIDIA L40S, em servidores da Mangaba no Brasil.
Uso
Busca (CPU): busca/busca.py com busca/corpus/ (artigos e embeddings). BM25 + bge-m3, reordenados por bge-reranker-v2-m3.
import os; os.environ["CORPUS"] = "busca/corpus"
from busca.busca import indice, mensagem_usuario
trechos = indice("financeiro").buscar(pergunta, 6)
msgs = [{"role": "system", "content": "Você é o Mangaba Financeiro, assistente especialista da Mangaba AI para bancos, fintechs, instituições de pagamento e áreas de compliance. Domínio: Sistema Financeiro Nacional, arranjos de pagamento, sigilo bancário, PLD/FT e câmbio. Responda em português do Brasil, de forma objetiva, citando o dispositivo legal (artigo e norma) que fundamenta a resposta."},
{"role": "user", "content": mensagem_usuario(pergunta, trechos)}]
Modelo (GPU): vllm serve Qwen/Qwen3-8B --enable-lora --max-lora-rank 32 --lora-modules financeiro=mangaba-ai/Mangaba-Financeiro-8B,
com chat_template_kwargs={"enable_thinking": false}.
Limites
Sem o trecho certo na busca, a qualidade cai muito. Normas infralegais e jurisprudência não fazem parte da base. Não substitui parecer profissional.
Base: Qwen3-8B (Apache-2.0). Busca: bge-m3 e bge-reranker-v2-m3 (BAAI).
- Downloads last month
- -