MinskiAcesso

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

Conheça o programa
multi_head_attention.py
"""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

edubot
newf
Cilia
B2ML
Muvien
Logito
Junsoft
Kore Data

Pronto para começar

Construa a IA da sua empresa. Em vez de alugá-la para sempre.

Falar com a Minski