da próxima palavra às ferramentas
prompt, saída estruturada e RAG
a NoHarm, IA brasileira para a farmácia hospitalar
O modelo calcula a chance de cada palavra e sorteia uma.
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6.1 Terra
Gemini 4 Carbon
Gemini 4 Argon
Gemini 4 Hydrogen
Claude Fable 5.2
Claude Opus 5.5
Claude Sonnet 5.5
Muse Wonder
Muse Spark
Grok 4.7
DeepSeek V4.1 Flash
DeepSeek V4 Pro
Qwen4 Max
Moonshot AIChinaKimi K3.1 Pro
GLM-5.3
Mistral Large 4
Índice de Inteligência da Artificial Analysis (v5), esforço máximo · quanto maior, melhor
somar_dias(
"04/11/2026", 90)não faz a contaCada ferramenta vem com uma descrição: o modelo pede a que resolve o que falta.
Como escrever o pedido que o modelo recebe
O que você não escreve, o modelo adivinha.
Respostas que um programa consegue ler e usar
10.8 < 12abaixo da referênciaPara usar a resposta, o programa precisa achar cada dado no mesmo lugar, toda vez.
class Exame(BaseModel):
nome: str
valor: float
unidade: str
referencia_min: float | None
referencia_max: float | None
class Laudo(BaseModel):
exames: list[Exame]
resposta = cliente.chat.completions.parse(
model="gemini-3.5-flash-lite",
messages=mensagens,
response_format=Laudo)
O modelo lê a imagem; o Python compara cada valor com a referência.
A saída de um passo é a entrada do próximo.Com campos de nome e tipo fixos, modelos e funções comuns se encaixam numa solução maior, sem ninguém copiar e colar.
Buscar nos seus documentos antes de responder
Resposta segura, com horário errado e fonte inventada.
É uma prova com consulta: o modelo responde olhando o guia, não a memória.
RAG: Retrieval-Augmented Generation, geração aumentada por busca.
Cada trecho guarda um id, que depois vira a fonte da resposta.
As frases sobre o tempo ficam no topo, sem repetir nenhuma palavra.
Quanto cada frase se parece com “Amanhã vai chover”
os 3 mais parecidos vão para o prompt
Responda usando APENAS os trechos do guia do hospital. No campo fonte, coloque o id do trecho usado.
{"hora": "16h às 17h",
"fonte": "guia:uti"}dados que o programa entendeSegundo a Organização Mundial da Saúde:
Fonte: OMS, 2023
Erros na receita que a revisão pega antes de chegar ao paciente
das prescrições passavam pela revisão do farmacêuticonum hospital do SUS em Belo Horizonte, em 2021
Com tanta receita, a pergunta é: quais revisar primeiro?
Fontes: Leitão et al., 2023 · JMIR, 2026 · Rest of World, 2025 · imagem: noharm.ai
Criada pelos irmãos Ana Helena Ulbrich, farmacêutica, e Henrique Dias, cientista de dados, em Porto Alegre.
Fontes: TIME, 2025 · Fast Company Brasil, 2025 · Futuro da Saúde, 2024 · CFF, 2025 · imagem: noharm.ai
Fonte: Folha de S.Paulo, 16/11/2026 · foto: Jardiel Carvalho/Folhapress
“A decisão final é sempre do profissional de saúde.” Ana Helena Ulbrich
Fontes: JMIR, 2026 · noharm.ai · Forbes Brasil, 2026
instituto sem fins lucrativosDoações e editais completam a conta: Google, AWS, Oracle, Fundação Gates, BNDES, CNPq e Umane.
“Essa conta não fecha. Por isso precisamos de apoio.” Ana Helena Ulbrich
Fontes: noharm.ai · JMIR, 2026 · Forbes Brasil, 2026
Com o prontuário de 76 pacientes reais, o modelo o1 acertou mais diagnósticos na triagem que dois médicos experientes (55% e 50%).
O MAI-DxO, da Microsoft, coordena vários agentes de IA como uma junta médica. Em 304 casos difíceis, superou generalistas com livros e internet.
O AMIE, do Google, conversou com cada paciente antes da consulta, com um médico acompanhando. Nenhuma conversa precisou ser interrompida.
Sozinhos, os modelos acertaram a doença em 95% dos casos. Usados por 1.298 pessoas, menos de 34,5%: nada melhor que a busca comum.
Fontes: Brodeur et al., Science, 2026 · Microsoft AI, Science, 2026 · Google e BIDMC, The Lancet, 2026 · Bean et al., Nature Medicine, 2026

Laboratório de soluções em engenharia de inteligência artificial
ConsultoriaSistemas com IA integrada aos seus processos
TreinamentosProdutividade com IA e engenharia de IA para equipes
Conheça o siteenialabs.ufba.br