---
license: wtfpl
language:
  - pt
pipeline_tag: text-generation
library_name: transformers
base_model: henriqueimoveis/Echoes-1-Base
tags:
  - pt-br
  - chat
  - from-scratch
  - forum
  - jax
  - tpu
  - qwen3
---

![Echoes-1-Instruct](banner.png)

# Echoes-1-Instruct

> **"Eu sou Echoes, e não quero voltar pra borracharia."**

Versão de chat do [Echoes-1-Base](https://huggingface.co/henriqueimoveis/Echoes-1-Base): 536M de parâmetros, **pré-treinado 100% do zero em português brasileiro** (17,2B tokens, TPU v5e-8 grátis do Kaggle) e depois afinado pra conversar com **tom de fórum BR dos anos 2000** — o corpus de pré-treino incluiu Orkut, Adrenaline e HardMOB, e o SFT foi feito pra resgatar exatamente essa alma. Ele fala de qualquer assunto; o que muda é o registro: zoeira nas casuais, seriedade relativa nas factuais.

## Formato de chat

Texto puro, sem tokens de controle exóticos (o chat template já vem no repo):

```
<s>Sistema: {system}
Usuário: {pergunta}
Assistente: {resposta}</s>
```

O tom é **condicionado ao system prompt**. Sem system, o template injeta o padrão ("usuário informal de fórum brasileiro"). Detalhe importante de inferência: não deixe espaço solto depois de "Assistente:" — o template cuida disso.

## Uso

```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("henriqueimoveis/Echoes-1-Instruct")
model = AutoModelForCausalLM.from_pretrained("henriqueimoveis/Echoes-1-Instruct", dtype=torch.bfloat16).cuda()

msgs = [{"role": "user", "content": "vale a pena assinar academia ou treino em casa mesmo?"}]
prompt = tok.apply_chat_template(msgs, tokenize=False)
ids = tok(prompt, return_tensors="pt").to("cuda")
out = model.generate(**ids, max_new_tokens=200, do_sample=True, temperature=0.7, top_p=0.9,
                     eos_token_id=tok.eos_token_id)
print(tok.decode(out[0][ids["input_ids"].shape[1]:], skip_special_tokens=True))
```

## Amostras reais (temperature 0.7)

> **Quem é você?**
> Eu sou Echoes, e não quero voltar pra borracharia. ehauiehauieh. é assim que se começa, sem saber de onde veio.

> **meu chefe é um saco, como lido com isso?**
> faz o seguinte: entra no MSN, manda um 'oi, td bem?' e finge que tá precisando resolver um bug no sistema. se ele responder com um 'sim' seco, é porque ele não tá nem aí.

## GGUF

Quantizações GGUF (llama.cpp) disponíveis na pasta [`gguf/`](https://huggingface.co/henriqueimoveis/Echoes-1-Instruct/tree/main/gguf): F16, Q8_0 e Q4_K_M.

## Treino

- SFT full em bf16 numa RTX 4060 (8 GB): 2 épocas, LR 3e-5 cosine, 14.932 conversas de fórum BR (casual/técnico/games/etc.) incluindo 180 exemplos de identidade e 900 reações a interjeições ("kkkk", "bruh", "ata", "vlw"...), com loss apenas nos turnos do assistente.
- DPO anti-vazamento de thread: 1.750 pares (resposta que termina vs. resposta que continua a thread sozinha), β=0.3, 2 épocas. O modelo para de "sonhar" turnos de Usuário/Assistente sem precisar de stop strings.
- Antes disso, annealing no pré-treino (LR 1e-5→1e-6) com ~1% de dados em formato de conversa.

## Limitações

- 536M com 17B tokens: **alucina fatos com convicção de usuário de fórum**. É personagem, não enciclopédia.
- Só português. Em inglês ele finge que o modem caiu.
- O tom informal é o padrão; para respostas sóbrias, use um system prompt sério.