A H Company apresentou nesta semana o NeoMME, um modelo de inteligência artificial que processa imagens e texto de uma só vez, sem usar peças separadas para cada tarefa. Diferente de outros sistemas que combinam um “olho” (um modelo de imagem) com um “cérebro” (um modelo de linguagem), o NeoMME é treinado do zero para entender os dois tipos de informação com uma única estrutura. Isso torna o modelo mais enxuto e rápido.
O NeoMME vem em dois tamanhos: um com 260 milhões de parâmetros (números que o modelo ajusta durante o treinamento) e outro com 800 milhões. A versão mais popular é o NeoMME-Retriever, que serve para buscar documentos usando imagens das páginas — como fotos de relatórios, gráficos ou tabelas. Em vez de depender de sistemas de reconhecimento de texto (OCR) que podem perder informações de layout, ele analisa a imagem completa e encontra o que você procura. Nos testes, o modelo de 260 milhões de parâmetros foi o melhor entre todos com menos de 800 milhões, e processa cerca de 51 páginas por segundo — o dobro da concorrência.
Essa abordagem resolve um problema comum em empresas e escritórios: hoje, para buscar algo em um PDF, sistemas tradicionais extraem o texto e ignoram diagramas, cores e formatação. O NeoMME enxerga a página como ela é. Além disso, ele consegue comprimir os vetores (representações matemáticas das páginas) de 1,5 MB para apenas 6 kB por página sem perder qualidade relevante — uma redução de 255 vezes. Isso significa que um acervo de 10 mil páginas ocuparia cerca de 60 MB em vez de 15 GB.
Para quem usa IA no dia a dia, a novidade pode parecer técnica, mas tem um efeito prático: sistemas de busca interna em empresas, arquivos jurídicos ou bibliotecas digitais podem ficar mais rápidos e mais baratos de operar. O modelo já está disponível para download gratuito na plataforma Hugging Face, com licença aberta (Apache 2.0), o que significa que qualquer empresa pode baixar e adaptar. No entanto, o impacto para o usuário comum de internet só deve chegar quando aplicativos e sites incorporarem a tecnologia — o que pode levar alguns meses.