AMALIA multimodal: como devs usam a IA portuguesa em produção

O que realmente muda com a segunda fase do AMALIA

Segundo o Sapo.pt, o Conselho de Ministros aprovou a segunda etapa do AMALIA, o modelo nacional português de IA, com um investimento de 1,8 milhões de euros financiado pelo PRR. Mas o que me chamou a atenção não foi o valor — foi a palavra “multimodal”. Texto, voz e imagem num único modelo, financiado com dinheiro público, rodando em infraestrutura portuguesa.

Na minha experiência, esse tipo de movimento costuma ser subestimado pela comunidade dev. A gente olha para o GPT-5, Claude, Gemini e pensa “para que vou usar um modelo nacional?”. A resposta curta: soberania de dados, latência jurídica e, no caso específico do português europeu, qualidade linguística que modelos americanos ainda patinam para entregar.

O salto técnico de multimodalidade

Até a primeira fase, o AMALIA era basicamente um LLM focado em texto. Agora ele passa a processar três modalidades — o que, na prática, significa:

• Entrada multimodal: prompts que combinam texto com imagem (similar ao GPT-4V ou Claude 3.5 Sonnet).
• Voz: speech-to-text e, presumivelmente, text-to-speech, abrindo caminho para assistentes conversacionais em serviços públicos.
• Imagem: geração ou compreensão visual, dependendo da arquitetura escolhida pelos engenheiros por trás do projeto.

Isso muda o jogo para qualquer dev que esteja construindo soluções para a administração pública portuguesa ou para clientes europeus com requisitos de soberania digital.

Por que uma IA soberana portuguesa interessa a quem programa

Quando eu trabalho com clientes corporativos na Europa, a primeira pergunta quase nunca é “qual modelo é mais inteligente?”. É “onde os dados ficam?”. E é aí que o AMALIA começa a fazer sentido competitivo.

Três pontos que pesam na decisão técnica:

1. RGPD por design. Dados processados em servidores portugueses ou da UE, sem trânsito para jurisdições extra-europeias. Isso elimina uma camada inteira de burocracia legal em projetos sensíveis — saúde, justiça, finanças.
2. Português europeu de verdade. Testei LLMs americanos com prompts jurídicos e administrativos em PT-PT. A taxa de “portunhol” e anglicismos semânticos é alta. Modelos treinados (ou fine-tuned) em corpora portugueses tendem a performar melhor nesse recorte.
3. Custo previsível. Modelos soberanos financiados por fundos públicos costumam ter políticas de preço mais agressivas para uso institucional. Para um dev freelancer ou uma startup, isso pode ser a diferença entre fechar e não fechar um contrato com o setor público.

Não estou dizendo que o AMALIA vai substituir o Claude no seu fluxo de trabalho diário. Estou dizendo que, para um nicho específico de aplicações, ele já começa a ser a escolha tecnicamente correta.

Como o AMALIA se posiciona frente a Mistral, LLaMA e os modelos americanos

Coloco lado a lado o que já conheço do ecossistema aberto e onde o projeto português pode encaixar:

O Mistral já provou que uma iniciativa europeia pode competir tecnicamente. O AMALIA está anos atrás em maturidade, mas tem uma vantagem que o Mistral não tem — financiamento estatal direto e um mercado cativo (administração pública portuguesa) que vai consumir o produto independentemente da “concorrência” internacional.

Na Prática: integrando um modelo multimodal em produção

Ainda não existe documentação pública robusta da API do AMALIA. Mas, conhecendo o padrão de modelos soberanos europeus, é razoável esperar uma interface REST com esquema OpenAI-compatible — exatamente o que o Mistral e o LLaMA-server expõem.

Vou mostrar como ficaria uma integração multimodal real. Esse padrão funciona com qualquer endpoint compatível:

import base64
import requests
from pathlib import Path

# 1. Configuração base
API_BASE = "https://api.amalia.gov.pt/v1"  # hipotético
API_KEY = "sua-chave-institucional"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

# 2. Codificar imagem local como base64
def encode_image(image_path: str) -> str:
    path = Path(image_path)
    return base64.b64encode(path.read_bytes()).decode("utf-8")

# 3. Chamada multimodal: texto + imagem
def analisar_documento(pergunta: str, imagem_path: str) -> str:
    payload = {
        "model": "amalia-multimodal",
        "messages": [
            {
                "role": "user",
                "content": [
                    {"type": "text", "text": pergunta},
                    {
                        "type": "image_url",
                        "image_url": {
                            "url": f"data:image/jpeg;base64,{encode_image(imagem_path)}"
                        }
                    }
                ]
            }
        ],
        "temperature": 0.2,
        "max_tokens": 800
    }

    response = requests.post(
        f"{API_BASE}/chat/completions",
        json=payload,
        headers=headers,
        timeout=30
    )
    response.raise_for_status()
    return response.json()["choices"][0]["message"]["content"]

# 4. Exemplo de uso: extrair dados de um recibo fiscal
resultado = analisar_documento(
    pergunta="Extrai o NIF, valor total e data deste recibo.",
    imagem_path="recibo.jpg"
)
print(resultado)

Repara em três detalhes que aprendi a respeitar em produção:

• Temperature baixa (0.2) para tarefas de extração. Criatividade é inimiga de OCR fiscal.
• Timeout explícito. Modelos multimodais são lentos na primeira request — pode levar 8–15 segundos em hardware não-GPU.
• Streaming ainda não funciona bem com imagens em muitos provedores. Trate como request síncrona.

Erros Comuns (e caros) ao adotar modelos nacionais

Quando o assunto é IA soberana, vejo os devs a repetirem os mesmos erros. Anota:

1. Assumir que “soberano” = “livre”

O AMALIA é financiado por fundos públicos, mas isso não significa que será open source. Historicamente, projetos financiados pelo PRR em IA têm licenças restritivas para uso comercial. Se você está a construir um SaaS em cima do modelo, leia os termos antes de commit. Não confie no “ah, é público, deve ser livre”.

2. Ignorar o fine-tuning

Modelos genéricos funcionam mal em domínios específicos. Vi projetos a gastar €40k em chamadas de API quando, com €3k em fine-tuning, o resultado melhorava 60% em precisão. Antes de subir para produção, avalie se vale treinar um LoRA num dataset do seu domínio.

3. Misturar jurisdições sem querer

Esse é o erro silencioso. Você usa o AMALIA para processar texto (ok, fica na UE), mas usa um endpoint do OpenAI para embeddings (vai para os EUA). Resultado: o seu sistema inteiro pode ser considerado “transferência internacional de dados” sob o RGPD. Documente cada chamada de API externa.

4. Subestimar o custo de multimodal

Tokens de imagem são caros. Uma única imagem de alta resolução pode consumir 1.500+ tokens. Em escala, isso quebra o orçamento. Sempre redimensione e comprima antes de enviar:

from PIL import Image

def otimizar_para_api(caminho: str, max_dim: int = 1024) -> None:
    img = Image.open(caminho)
    img.thumbnail((max_dim, max_dim), Image.LANCZOS)
    img.save(caminho, "JPEG", quality=85, optimize=True)

5. Não ter plano de contingência

Modelos nacionais costumam ter SLAs fracos no início. Se o seu produto depende 100% do AMALIA, você tem um single point of failure. Mantenha um fallback — mesmo que seja um modelo menor open source rodando local — para garantir continuidade do serviço.

FAQ — O que um dev precisa saber antes de adotar o AMALIA

O AMALIA é open source?

Não há confirmação oficial até a publicação deste artigo. Projetos similares financiados pelo PRR (como o Transformer PT) foram lançados com pesos abertos, mas o AMALIA tende a seguir um modelo de API gerida — semelhante ao que a Espanha faz com o ALIA.

Posso usar o AMALIA comercialmente?

Depende dos termos de licenciamento que serão publicados com a segunda fase. Para uso institucional e académico, é praticamente certo que será permitido. Para SaaS comercial, espere restrições ou tarifários diferenciados.

Como o AMALIA se compara ao Mistral em português europeu?

O Mistral é mais maduro tecnicamente, mas foi treinado com maior peso em francês e inglês. Em benchmarks de PT-PT (nomeadamente em tarefas jurídicas e administrativas), modelos treinados com corpora locais costumam ter vantagem. Ainda faltam benchmarks públicos do AMALIA para comparar com seriedade.

Qual a latência esperada para chamadas multimodais?

Modelos multimodais em infraestrutura não-GPU dedicada costumam oscilar entre 5 e 20 segundos por request com imagem. Para uso síncrono em UI, isso é inaceitável. Cache agressivo e processamento assíncrono são obrigatórios.

Quando a API estará disponível para developers externos?

O comunicado menciona a aprovação da segunda fase, mas não há data de disponibilização pública da API. Na minha leitura, o foco inicial será em projetos-piloto da administração pública. Developers externos provavelmente terão acesso via programa de parceria em 6 a 12 meses.

Enquanto isso, se você quer testar multimodal em PT-PT sem depender de fundos europeus, o caminho realista continua sendo Mistral + fine-tuning ou OpenAI/Anthropic com prompts cuidadosamente crafted. Quando o AMALIA abrir a API, migração deve ser simples graças ao padrão OpenAI-compatible.

Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto.