O projeto português AMALIA disponibilizou um modelo de linguagem de 9 mil milhões de parâmetros preparado para deployment e concebido especificamente para português europeu, acompanhado pelos datasets de treino, recursos de avaliação e um caminho público para servir o modelo. A versão final do AMALIA ficou disponível em 1 de julho de 2026 e o checkpoint atual 0626 DPO é distribuído sob licença Apache 2.0 através da organização oficial do projeto no Hugging Face.
A importância técnica não está apenas no facto de Portugal ter mais um chatbot nacional. O AMALIA prolonga o pretraining do EuroLLM com mais dados em português europeu, aumenta o comprimento máximo de contexto para 32 mil tokens e aplica depois supervised fine-tuning e Direct Preference Optimization. O projeto também publica os datasets de SFT e DPO e uma suite de avaliação orientada para pt-PT, tornando o release mais inspecionável do que um modelo acessível apenas através de uma interface alojada.
Um modelo 9B ajustado ao português europeu
Segundo o model card oficial do AMALIA, o projeto usa dados do Arquivo.pt, dados de pretraining do EuroLLM, amostras long-context do Stack-v2 e exemplos sintéticos para melhorar a retenção de contexto longo. O post-training combina supervised fine-tuning com preference tuning através de DPO.
A fase SFT correu durante 76 horas em 64 GPUs NVIDIA H100 e a fase DPO durante mais 12 horas com o mesmo número de GPUs. O treino utilizou o supercomputador MareNostrum 5 no Barcelona Supercomputing Center e o sistema DEUCALION no Minho Advanced Computing Center.
Para developers portugueses, o ponto importante é que o AMALIA é apresentado como um base model reutilizável, e não apenas como uma demonstração pública. O projeto publica o checkpoint, os dados e as ferramentas de avaliação sob licenças abertas, permitindo que equipas inspecionem, adaptem, façam fine-tuning e sirvam o modelo na sua própria infraestrutura.
A avaliação nativa de pt-PT faz parte do release
O relatório técnico do AMALIA argumenta que o português europeu está sub-representado não apenas nos corpora de treino, mas também na avaliação. Benchmarks traduzidos automaticamente podem não captar diferenças de vocabulário, gramática e contexto cultural entre português europeu e português do Brasil.
Para responder a esse problema, o projeto lançou benchmarks pt-PT que combinam tarefas standard traduzidas com novos datasets focados em geração em português europeu, competência linguística e bias entre pt-PT e pt-BR. Os autores reportam que o AMALIA permanece competitivo com baselines fortes em benchmarks traduzidos e melhora em avaliações criadas especificamente para português europeu.
Estes resultados devem ser lidos como conclusões reportadas pelo próprio projeto, não como prova independente de que o AMALIA é globalmente superior a modelos frontier comerciais. O sinal de engenharia mais importante é mais específico: a equipa criou uma superfície de avaliação desenhada para detetar comportamento pt-PT que benchmarks multilingues genéricos podem ignorar.
Pode ser servido com uma API compatível com OpenAI
O quickstart oficial no GitHub recomenda vLLM para servir o checkpoint 0626 DPO. O comando standard vLLM inicia o modelo localmente e expõe uma API de chat-completions compatível com o formato OpenAI.
Isto simplifica a integração do AMALIA em arquiteturas existentes. Uma equipa pode executá-lo como serviço de inferência local ou privado, manter dados dentro de infraestrutura que controla e encaminhar workloads selecionados em português para o AMALIA sem reconstruir toda a camada de cliente.
A escala de 9 mil milhões de parâmetros também é operacionalmente relevante. É muito menor do que modelos frontier e já existem quantizações da comunidade para llama.cpp e Apple Silicon, embora esses builds derivados sejam artefactos comunitários e não façam parte do release oficial.
AMALIA como infraestrutura de IA soberana em Portugal
O anúncio do Digital.gov.pt apresenta o AMALIA como o primeiro grande modelo de linguagem criado especificamente para português europeu e para o contexto cultural nacional. O release de julho inclui também uma vertente multimodal, mas a stack de texto já tem utilidade independente para developers porque os pesos, datasets e caminho de serving estão disponíveis.
O argumento de soberania não deve ser reduzido à nacionalidade do modelo. O valor mais concreto está no controlo da stack técnica: model weights, divulgação sobre dados de treino, recursos de avaliação e opções de deployment. Isso pode ser importante para sistemas da administração pública, workloads regulados, produtos centrados na língua e investigação em que depender de uma API proprietária remota não é desejável.
O AMALIA não elimina a necessidade de security review, avaliação por domínio ou comparação com modelos maiores. O model card recomenda validação de input e filtragem de output apropriadas ao deployment, e o knowledge cutoff é junho de 2024. As equipas devem testar as suas próprias tarefas antes de assumir que a especialização pt-PT compensa diferenças em reasoning geral, tool use ou atualidade da informação.
Para leitores do Aipolix, o release é melhor entendido como uma nova peça de infraestrutura portuguesa de IA: não uma afirmação de que um modelo 9B substitui os sistemas frontier globais, mas um modelo aberto e efetivamente implementável que dá ao português europeu um caminho mais forte para inferência local, adaptação e avaliação.