Model Card

Model Card — Família Urso

Este documento descreve as especificações técnicas, usos pretendidos, limitações e considerações éticas dos modelos de linguagem da família Urso, desenvolvidos pela Polar.

Especificações do Modelo

Arquitetura

Treinamento

• Pré-treinamento: Corpus multilingual curado com ênfase em PT-BR
• SFT: Fine-tuning supervisionado com dados de instrução-resposta para 8 setores brasileiros
• Alinhamento: Otimização por preferências com pares de segurança dedicados
• Think variants: Treinamento com cadeia de pensamento para raciocínio auditável

Capacidades

• Geração e compreensão de texto em português brasileiro e inglês
• Raciocínio explícito com variantes Think
• Function calling com 7 ferramentas brasileiras nativas
• Structured output compatível com OpenAI
• Embeddings semânticos otimizados para PT-BR (modelo Embed)
• Contexto de 128K tokens para documentos extensos

Uso Pretendido

Usos recomendados

• Atendimento ao cliente: Chatbots e assistentes virtuais para empresas brasileiras
• Análise de documentos: Leitura, sumarização e extração de informações
• Assistência profissional: Suporte a profissionais como ferramenta de apoio
• Geração de conteúdo: Redação, tradução e revisão de textos
• Educação: Tutoria, explicação de conceitos e material didático
• Pesquisa: Análise de dados e síntese de informações

Usos fora do escopo

Os modelos Urso não devem ser usados para:

• Diagnóstico médico: Não são substitutos para profissionais de saúde
• Aconselhamento jurídico definitivo: Não substituem o julgamento de um advogado
• Decisões autônomas com consequências significativas: Decisões que impactam vida, liberdade, emprego ou direitos não devem ser tomadas exclusivamente por IA
• Vigilância e monitoramento: Não devem ser usados para vigilância em massa
• Geração de conteúdo enganoso: Não devem criar desinformação ou deepfakes
• Armas ou atividades ilegais: Não devem facilitar atividades ilegais

Dados de Treinamento

O modelo foi treinado com um corpus curado de bilhões de tokens, otimizado para português brasileiro.

Distribuição linguística

Princípios de curadoria

• Filtragem educacional e de qualidade rigorosa
• Filtragem de toxicidade
• Deduplicação para reduzir memorização
• Descontaminação contra benchmarks de avaliação
• Dados governamentais e legais exclusivamente de domínio público (Art. 8, Lei 9.610/98)
• Dados de clientes nunca são utilizados para treinamento

Para detalhes sobre conformidade legal dos dados, consulte a Proveniência de Dados.

Resultados de Avaliação

Urso Mabe — Benchmarks

Urso Mabe é o modelo brasileiro sub-50B com melhor performance em benchmarks nacionais e internacionais.

Para scores atualizados, consulte Comparar Modelos.

Considerações Éticas

Vieses conhecidos

Como todo modelo de linguagem, os modelos Urso podem refletir vieses presentes nos dados de treinamento. A Polar trabalha continuamente para identificar e mitigar esses vieses.

Medidas de segurança

• Guardrails: Sistema de defesa em profundidade com múltiplas camadas de proteção
• Alinhamento: Treinamento com preferências de segurança dedicadas
• Disclaimers automáticos: Avisos obrigatórios para setores de alto risco (saúde, jurídico)
• Monitoramento: Logs e métricas para detecção de comportamentos inesperados
• Compliance: Conformidade com LGPD, PL 2338/2023, TSE, ECA e demais legislação brasileira

Limitações

• Os modelos podem gerar informações incorretas ou inventadas (alucinações)
• Conhecimento limitado aos dados de treinamento (cutoff temporal)
• Podem não compreender nuanças culturais de todas as regiões do Brasil
• Performance pode variar entre diferentes tipos de tarefas

Canais de Reporte

Todos os reportes são analisados em até 5 dias úteis. Vulnerabilidades críticas são tratadas em 24 horas.

Atualizações

Este Model Card é atualizado periodicamente. Última atualização: Março 2026.