
Nós não fazemos qualquer IA.Fazemos a sua IA.Do seu jeito.
A maior parte do mercado vende IA como produto pronto
A maior parte das empresas compra achando que basta
Nós construímos oOPOSTO
A única consultoria que mede sucesso pelo dia em que o cliente não precisa mais dela.
Programa
INSIDE by Minski
Consultoria de Desenvolvimento em IA
"""Multi-head self-attention — the core operation behind modern LLMs."""
from __future__ import annotations
import torch
from torch import Tensor, nn
from torch.nn import functional as F
__all__ = ["MultiHeadSelfAttention"]
class MultiHeadSelfAttention(nn.Module):
"""Multi-head self-attention over a sequence of token embeddings.
Computes scaled dot-product attention (Vaswani et al., 2017) through
PyTorch's fused scaled_dot_product_attention kernel, which dispatches
to FlashAttention / memory-efficient backends with O(n) memory.
Args:
embed_dim: Total embedding dimension, split evenly across heads.
num_heads: Number of attention heads; must divide embed_dim.
dropout: Dropout probability applied to the attention weights
during training.
"""
def __init__(
self, embed_dim: int, num_heads: int, dropout: float = 0.0
) -> None:
super().__init__()
if embed_dim % num_heads != 0:
raise ValueError(
f"embed_dim ({embed_dim}) must be divisible by "
f"num_heads ({num_heads})."
)
self.num_heads = num_heads
self.head_dim = embed_dim // num_heads
self.dropout_p = dropout
self.qkv_proj = nn.Linear(embed_dim, 3 * embed_dim)
self.out_proj = nn.Linear(embed_dim, embed_dim)
self._reset_parameters()
def _reset_parameters(self) -> None:
# Xavier/Glorot init for attention projections (Glorot & Bengio,
# 2010), as in nn.MultiheadAttention; Linear's default Kaiming init
# targets ReLU fan-in, not softmax attention.
for projection in (self.qkv_proj, self.out_proj):
nn.init.xavier_uniform_(projection.weight)
nn.init.zeros_(projection.bias)
def forward(
self,
x: Tensor,
mask: Tensor | None = None,
is_causal: bool = False,
) -> Tensor:
"""Apply self-attention.
Args:
x: Embeddings of shape (batch, seq_len, embed_dim).
mask: Optional boolean mask broadcastable to
(batch, num_heads, seq_len, seq_len); True lets a
position attend, False blocks it.
is_causal: If True, apply a causal (lower-triangular) mask so
each position attends only to itself and earlier positions.
Returns:
Tensor of shape (batch, seq_len, embed_dim).
"""
batch, seq_len, embed_dim = x.shape
# One projection, then split into query, key and value per head.
qkv = self.qkv_proj(x)
qkv = qkv.reshape(batch, seq_len, 3, self.num_heads, self.head_dim)
query, key, value = qkv.permute(2, 0, 3, 1, 4).unbind(dim=0)
# Fused scaled dot-product attention (FlashAttention backend).
# Scaling by 1/sqrt(head_dim) happens inside the kernel; dropout
# must be disabled outside training.
context = F.scaled_dot_product_attention(
query,
key,
value,
attn_mask=mask,
dropout_p=self.dropout_p if self.training else 0.0,
is_causal=is_causal,
)
# Concatenate heads and project back to the model dimension.
context = context.permute(0, 2, 1, 3).reshape(batch, seq_len, embed_dim)
return self.out_proj(context)
Minski Core
A plataforma onde sua empresa constrói IA própria.
Toda a engenharia da Minski instalada no seu ambiente: arquitetura, agentes, governança e auditoria operando como uma fundação única, sobre a qual seu time interno desenvolve produtos de IA reais.
Reprodutível. Auditável. Sua.O Minski Core é o que diferencia engenharia de consultoria: em vez de receber um sistema pronto e ficar dependente de quem construiu, sua empresa fica com a fundação técnica permanente — e o time interno opera sobre ela com autonomia plena ao final do programa.
Toda empresa quer IA em produção.
A Minski quer mais: sua empresa operando IA sozinha.
Três movimentos compõem cada programa: instalamos a fundação técnica no seu ambiente, operamos junto com seu time até a IA gerar resultado real, e transferimos o domínio completo da nossa equipe para a sua.
Instalar. Operar. Transferir.O caminho até a inteligência artificial que sua empresa opera com autonomia plena.
O que entregamos
até aqui
+1 milhão
de pessoas impactadas.
+150
produtos entregues.
+R$ 150M
em crescimento gerado para os clientes.
+80M
em pesquisa e inovação aplicada.
Escolhidos por quem já lidera a próxima década




Pronto para começar