docs: update README with multimodal mmproj and vision execution instructions

README.md

@@ -51,8 +51,9 @@ Avaliação controlada sobre o currículo oficial de Desenvolvimento Mobile Andr
 
 | Caminho no Repositório | Formato | Status | Descrição |
 | :--- | :--- | :---: | :--- |
-| `model.safetensors` (raiz) | **Safetensors (16-bit Merged)** | **Produção Oficial** | Modelo completo fundido (`v2 Merged`) para `transformers`, `vLLM` ou TGI |
-| `Q4_K_M.gguf` (raiz) | **GGUF (`Q4_K_M`)** | **Produção Oficial** | Inferência rápida local com quantização de 4 bits para **Ollama** e **`llama.cpp`** |
+| `model.safetensors` (raiz) | **Safetensors (16-bit Merged)** | **Produção Oficial** | Modelo completo fundido (`v2 Merged`) para `transformers`, `vLLM` ou TGI (Texto + Visão + Áudio) |
+| `Q4_K_M.gguf` (raiz) | **GGUF (`Q4_K_M`)** | **Produção Oficial** | Pesos de linguagem quantizados em 4-bit para **Ollama** e **`llama.cpp`** |
+| `mmproj-F16.gguf` (raiz) | **GGUF Vision Projector (F16)** | **Produção Oficial** | Projetor multimodal (SigLIP/ViT) para leitura de imagens no **Ollama** e **`llama.cpp`** |
 | `lora/` | **QLoRA Adapter v2** | **Produção Oficial** | Pesos do adaptador validado com ~180 passos (`SpaceGhost/SpaceCode-E2B/lora`) |
 | `lora_v4/` | **Micro-LoRA Corretivo** | **Ativo Experimental** | Adaptador corretivo com 82.0% de acurácia global e correção do Caso 3 (`styled-components`) |
 | `lora_v3/` | **LoRA Pedagógico** | **Linha de Pesquisa** | Adaptador com estrutura explicativa detalhada de distratores de prova |
@@ -62,26 +63,58 @@ Avaliação controlada sobre o currículo oficial de Desenvolvimento Mobile Andr
 
 ## 🚀 Como Executar
 
-### 1. Via Ollama (GGUF `Q4_K_M`)
+### 1. Via Ollama (Multimodal com Imagens + Texto)
+O repositório já inclui o `Modelfile` pré-configurado com ligação nativa ao `mmproj-F16.gguf`:
 ```bash
-ollama run hf.co/SpaceGhost/SpaceCode-E2B:Q4_K_M
+# Baixar arquivos e registrar o modelo no Ollama:
+ollama create spacecode -f Modelfile
+
+# Executar com prompt de texto ou análise de imagem:
+ollama run spacecode "Analise esta tela de UI: /caminho/para/imagem.png"
 ```
 
-### 2. Via `llama.cpp`
+### 2. Via `llama.cpp` (Texto + Visão)
 ```bash
-llama-cli -hf SpaceGhost/SpaceCode-E2B:Q4_K_M --jinja
+# Inferência multimodal com suporte a imagem:
+llama-cli -m Q4_K_M.gguf --mmproj mmproj-F16.gguf --image /caminho/para/imagem.png -p "<|turn>user\nExplique o problema nesta UI e mostre o código React Native correto.<turn|>\n<|turn>model\n"
 ```
 
-### 3. Via Unsloth / Transformers (Python)
+### 3. Via Transformers (Multimodal Python Oficial)
 ```python
-from unsloth import FastVisionModel
+from transformers import AutoProcessor, AutoModelForMultimodalLM
+
+MODEL_ID = "SpaceGhost/SpaceCode-E2B"
 
-# Carregar versão de produção 16-bit da raiz:
-model, processor = FastVisionModel.from_pretrained(
-    "SpaceGhost/SpaceCode-E2B",
-    load_in_4bit=True,
-    max_seq_length=2048,
+# Carregar processador e modelo multimodal completo
+processor = AutoProcessor.from_pretrained(MODEL_ID)
+model = AutoModelForMultimodalLM.from_pretrained(
+    MODEL_ID,
+    torch_dtype="auto",
+    device_map="auto"
 )
+
+# Processar texto e imagem:
+messages = [
+    {
+        "role": "user",
+        "content": [
+            {"type": "image", "url": "https://example.com/screenshot.png"},
+            {"type": "text", "text": "Analise a tela e crie o componente React Native correspondente."}
+        ]
+    }
+]
+
+inputs = processor.apply_chat_template(
+    messages,
+    tokenize=True,
+    return_dict=True,
+    return_tensors="pt",
+    add_generation_prompt=True,
+).to(model.device)
+
+outputs = model.generate(**inputs, max_new_tokens=512)
+response = processor.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True)
+print(response)
 ```
 
 ---