A IBM Granite apresentou o LLMON (LLM Object Notation), uma linguagem de marcação concebida para modelos de linguagem, num artigo publicado no Hugging Face a 12 de novembro de 2026. Segundo a equipa, o contexto de um modelo acumula prompts de sistema, turnos de conversa, instruções, respostas de ferramentas e dados do utilizador. Grande parte dessa estrutura fica implícita ou codificada em JSON, um formato pensado para analisadores sintáticos. Esta falta de estrutura explícita pode tornar modelos mais pequenos frágeis e pode ser explorada em injeções de prompt.
Na abordagem, componentes coerentes são marcados com etiquetas significativas, envolvidas em delimitadores especiais reservados. Identificadores únicos permitem associar uma instrução, situada em qualquer parte do contexto, aos dados que deve tratar, de forma análoga à passagem de argumentos numa chamada de função. Os identificadores ligam cada instrução ao dado exato a que se aplica, para que trechos não relacionados, turnos antigos ou saídas de ferramentas não sejam puxados para a resposta. A equipa defende que esta separação explícita entre instruções e dados reduz a eficácia das injeções indiretas.
Para testar a ideia, a IBM publicou duas pré-visualizações experimentais derivadas dos modelos base Granite 4.1, granite-4.1-3b-LLMON-preview e granite-4.1-8b-LLMON-preview, além de um repositório no GitHub com ferramentas e exemplos. A empresa afirma que, em alguns benchmarks, as taxas de sucesso de injeção indireta descem para valores próximos de zero, enquanto a capacidade geral se mantém em linha com os modelos Granite 4.1 Instruct. São resultados reportados pelo fabricante, sem avaliação independente indicada na fonte.
Segundo o texto, o LLMON não substitui os chat templates, enriquece-os. Estes indicam o papel de cada parte, enquanto o LLMON indica o significado de cada componente e as relações entre eles. A fonte afirma ainda que conversores permitem traduzir JSON para LLMON e vice-versa sem perda, e que é possível definir estruturas próprias e treinar um LoRA sobre os modelos.
A biblioteca Mellea tem suporte nativo para LLMON, convertendo automaticamente as chamadas ao modelo. A IBM apresenta a tecnologia como experimental. A fonte não indica datas para versões finais, condições de licenciamento nem prazos de suporte, pelo que esses pontos ficam por confirmar. Para já, o anúncio é sobretudo técnico e interessa a quem desenvolve agentes e pipelines com várias fontes de contexto.
Porque importa
Para leitores em Portugal, o anúncio interessa sobretudo a equipas de software e empresas que desenvolvem assistentes ou agentes com acesso a documentos, e-mails ou ferramentas externas, onde a injeção de prompts pode ser um problema. Se a abordagem se confirmar fora dos benchmarks do fabricante, pode reduzir falhas em modelos mais pequenos. Antes de qualquer adoção, deve confirmar-se a licença dos modelos, as condições de uso no Hugging Face e a existência de avaliações independentes.