Vexia — Plataforma Laya Hub, Marketplace, Treinamento Kaggle & API JEV

Chamadas (Tempo-Real vs Fila) Dual-Lane

0

Tempo-Real: 0 (1,0 cr) • Fila -50%: 0 (0,5 cr)

Latência Calibrada (p50 / p95) Cache 0%

14 ms / 26 ms

Média System-1 ONNX INT8 & Fast Preset

Economia vs JEV Cloud / LLMs -94% Custo

R$ 0,00

Fila Inteligente (-50%) + Cache LRU ativo

RAM do Pool ONNX & Hibernate COLD • IDLE

41.2 MB

Auto-Hibernate em 180s sem tráfego (0% CPU)

📈 Tráfego Dual-Lane & Latência em Tempo Real

Comparativo de chamadas API Normal (`1,0 cr`) vs. Fila de Baixa Prioridade (`0,5 cr`)

🧠 Pool ONNX INT8 com Auto-Hibernate

Modelos descarregam 100% dos pesos da RAM após inatividade (`IDLE_UNLOAD_SECONDS=180s`)

Modelo Laya	Estado RAM	TTL / Uso	Ação
Carregando estado do pool...

🌐 Marketplace Estilo GitHub & Conector Hugging Face

Explore Layas oficiais e da comunidade, faça Fork em 1 clique, envie Pull Requests com Benchmark Diff ou importe de qualquer link

1

Modelo Base & IA

Escolher Teacher ao vivo

2

Perguntas & Domínio

Gerar Dataset Calibrado

3

Revisão & Kaggle GPU

Treinar em 2x Tesla T4

4

Benchmark & Aprovação

Publicar + Salvar .ipynb

Passo 1: Escolher Modelo Base Laya & Provedor de IA Teacher

Inicie do `laya-cru` (zero-shot base) ou continue o treinamento de qualquer Fork/Laya editável

Modelo Laya Base (Ponto de Partida)

Nome do Novo Modelo (ou Nova Versão)

Provedor de IA Cadastrado

Modelo de IA Teacher (Selecionado ao Vivo)

Passo 2: Definir Perguntas Tipadas (`choice`, `noul`, `score`) & Domínio

O Teacher de IA gerará cenários variados (fáceis, médios, difíceis, ironia/gírias PT-BR) com distribuição soft-target calibrada

Descrição do Domínio, Regras de Negócio & Casos de Borda

Qtd. de Exemplos (Treino + Teste):

Schema de Perguntas JEV (`questions` JSON)

Passo 3: Inspecionar/Editar Dataset & Disparar Kaggle GPU (2x Tesla T4)

Revise ou edite os exemplos gerados. O Kaggle executará RLCD Fine-Tuning + Calibração L-BFGS + Exportação ONNX INT8

0 amostras

#	Split	Entrada (`state`)	Rótulos / Soft-Targets Calibrados (`gold`)
Gere um dataset no Passo 2 para inspecionar as amostras.

Passo 4: Relatório de Testes do Kaggle & Gate de Aprovação

Inspecione as métricas no split de teste antes de publicar a nova versão e arquivar o `.ipynb`

Benchmark Concluído

Acurácia (Top-1 / Soft)

96.4%

Soft Accuracy: 97.8%

ECE (Erro de Calibração)

0.018

Pós L-BFGS Temperature Scaling

Brier Score & MAE

0.042

Score MAE: 0.31

Latência ONNX INT8 (p50)

15.2 ms

Quantizado (~350MB em disco)

Pergunta (`id`)	Tipo	Acurácia / MAE	ECE Calibrado	Temperatura Ótima	Status

🗂️ Histórico de Jobs de Treinamento & Notebooks Arquivados

Todo treinamento aprovado preserva o `.ipynb` e o dataset para re-treinamento contínuo em 1 clique

Job ID	Modelo / Versão	Teacher IA	Amostras	Status	Métricas Kaggle	Ações

📦 Meus Modelos Laya, Monetização & Controle de Versões

Configure visibilidade (Privado/Marketplace), preço (Gratuito, Royalty com Tiers, Licença Total com Auto-Buyout), permissões Git e estado na RAM

Modelo (`/l/:slug`)	Versão Ativa	Visibilidade	Cobrança Marketplace	Permissões Git	Estado RAM	Ações Rápidas

🔌 Central de Rotas JEV, Fila de Baixa Prioridade (-50%) & Guia AlfaAltoInst

Copie o snippet pronto para integrar qualquer Laya em segundos com 100% de compatibilidade `POST /v1/systemone`

Modelo:

POST https://vexia.alfastage.com.br/l/laya-moderador-comentarios/v1/systemone

⚡ Playground Calibrado & Arena A/B Lado a Lado

Teste qualquer Laya individualmente ou compare 2 modelos lado a lado em Tempo-Real (`1,0 cr`) ou Fila de Baixa Prioridade (`0,5 cr`)

Modelo Principal (Laya A)

Cenários Rápidos:

Estado de Entrada (`state` JSON ou Objeto de Contexto)

Perguntas (`questions` JSON — deixe vazio p/ usar Preset `/decide`)

Resultado — Modelo A

Aguardando execução...

Clique em "Executar Decisão Calibrada Agora" para visualizar probabilidades, escolhas e confiança.

📜 Logs Estruturados em Tempo Real & Curadoria para Re-treinamento

Filtre chamadas de baixa confiança (`< 0.60`), inspecione o JSON completo e exporte em `.jsonl` para re-treinar no Kaggle

Apenas Baixa Confiança (< 0.60 / `<unsure>`)

Horário	Modelo (`/l/:slug`)	Prioridade / Rota	Latência	Confiança Média	Créditos / Royalty	Preview Entrada (`state`)	Inspecionar

⚡ Carteira de Créditos de Uso

1,0 cr por decisão Tempo-Real • 0,5 cr por decisão na Fila de Baixa Prioridade (-50%)

Plano Free / Pay-As-You-Go

10.000,00 cr

👑 Carteira de Royalties de Criador

Receba instantaneamente a cada chamada ou venda de Licença Total dos seus Layas no Marketplace

Split Instantâneo ACID

0,00 cr

📅 Planos de Assinatura com Créditos Fixos por Ciclo (SyncPay Subscriptions)

Suporte nativo a Pix Automático (autoriza 1 única vez no banco!), Pix QR Code e Cartão de Crédito

Starter

10.000 cr / mês

R$ 97/mês

Até 10.000 decisões Tempo-Real ou 20.000 decisões na Fila (-50%) por mês + Estúdio Kaggle.

Pro (Mais Popular)

50.000 cr / mês

R$ 297/mês

Até 50.000 decisões Tempo-Real ou 100.000 na Fila + Prioridade no Pool ONNX e Marketplace Pro.

Scale Cluster

250.000 cr / mês

R$ 997/mês

Até 250.000 decisões Tempo-Real ou 500.000 na Fila + Modelos `HOT` dedicados na RAM.

📒 Extrato Contábil Auditável (`credit_ledger`)

Registro atômico ACID de todas as recargas, assinaturas, chamadas de API e royalties

Data / Hora	Tipo (`kind`)	Descrição	Movimentação	Saldo Após	Ref ID

🔑 Chaves de API (`vx_live_...`) com Escopo & Teto Diário

Use em `Authorization: Bearer vx_live_...` no JEV ou AlfaAltoInst

Nome	Prefixo	Escopo	Consumo Hoje / Teto	RPM	Status	Ação

🤖 Provedores de IA (Geradores de Dataset)

Conecte OpenAI, Gemini, Claude, Groq, OpenRouter ou DeepSeek e puxe a lista de modelos ao vivo

Provedor

Nome de Identificação

API Key do Provedor

Base URL (Opcional)

Provedor	Modelos Disponíveis	Ações

🛡️ Cofre Criptografado (SyncPay, Kaggle GPU & Hugging Face)

Chaves salvas com AES-256-GCM no banco para faturamento, treino em GPU e importação

1. Visão Geral & Pool ONNX