O que é um LLM (Large Language Model)?
Obs.: Essa é uma explicação simples para começarmos a falar de IA.
Um LLM é um programa que gera texto prevendo, a cada passo, qual pedaço de texto (chamado de token) deve vir em seguida. Ele aprendeu isso analisando uma quantidade enorme de textos durante um treinamento. Ao receber uma pergunta, o LLM escolhe um próximo token provável, acrescenta ao texto e repete o processo até formar a resposta completa.
Não existe só um LLM, existe uma série de modelos. O princípio é o mesmo do primeiro parágrafo, no entanto, cada modelo tem treinamentos, tamanho, técnicas e objetivos específicos. Pensa em motores de carro, todos transformam combustível em movimento, no entanto, um motor 1.0 econômico e um V8 esportivo servem propósitos diferentes.
Produto x Modelos
Algo que vale esclarecer é que produto é uma coisa e modelo é outra, ChatGPT, Claude, Gemini são produtos, modelos são o que roda por trás dos produtos, como GPT-5.6, Opus 5, Gemini 3.5 Flash.
Tabela de produto x modelo abaixo pra melhor compreensão:
Pela imagem da tabela você percebe que um produto pode usar diversos modelos, inclusive, existem produtos que usam modelos de mais de uma empresa.
Diferenças entre modelos
O que diferencia um modelo do outro geralmente é:
Capacidade: Quão bem ele resolve tarefas complexas, código, matemática, análise e escrita.
Modalidade: Se é capaz de ler imagens, textos, áudios, PDFs ou vídeos.
Raciocínio: Se "pensa" em etapas antes de responder, esses modelos geralmente gastam mais tokens.
Janela de contexto: Quanto de contexto ou "texto" o modelo consegue considerar de uma vez (sua pergunta + histórico + documentos).
Custo: Nas APIs, cobra-se por milhão de tokens com preços diferentes pra entrada e pra saída.
Forma de acesso: Proprietários onde você usa API da empresa ou Open onde pode baixar e rodar localmente (precisa de infraestrutura considerável pra atender com um bom desempenho).
Modelos abertos ou "open weight"
Modelos abertos, ou na real "open weight", são modelos com pesos abertos. O que isso quer dizer? As empresas publicam os pesos do modelo, que são bilhões de números aprendidos no treinamento. Com eles você baixa, roda e até ajusta o modelo na sua própria infraestrutura.
O que são pesos
Esse negócio vai começar a ficar sinistro, e você pode estar se perguntando "o que são os pesos?".
Como eu disse no início do artigo, essa é uma explicação mais simples pra te introduzir no mundo de IA, então de forma simples, lembra que falei no início que um LLM aprende analisando uma quantidade enorme de textos durante um determinado treinamento, esse aprendizado fica guardado em bilhões de números chamados de pesos.
Uma analogia é usando o próprio substantivo peso, muitas vezes pra tomar uma determinada decisão na vida ou em qualquer situação você analisa várias coisas, cada coisa tem um peso, por exemplo, o caminho que você vai pegar para o trabalho, você analisa horário, se está chovendo ou não, qual dia da semana é, se tem algum evento no caminho.
Tudo bem, hoje tem Google Maps, mas imagine que não tivesse. Pra aprender é necessário um pouco de imaginação também... Voltando ao exemplo.
Cada fator (dia, horário, se tem ou não evento) tem um peso que vai influenciar no caminho que você vai seguir, se é sexta às 17h considerado um horário de pico isso pesa muito na sua escolha, e ninguém te ensinou isso, você foi aprendendo ficando preso no trânsito, a cada viagem em que perdia tempo você entendia que sexta às 17h era dureza passar na avenida principal, logo, o dia da semana e horário pesam muito na sua decisão de rota.
Fazendo uma comparação com modelos:
Treinamento = os anos indo e voltando do trabalho, errando e ajustando o caminho.
Fatores/Tokens de entrada = Chuva, Horário, dia, evento. São as entradas que correspondem aos textos que a LLM está lendo.
Peso = É a importância que damos a cada fator, no caso da LLM quando você vê que um modelo tem 2 bilhões de parâmetros significa que o modelo tem 2 bilhões desses números de importância (pesos).
Tokens de saída = Decisão de qual rota para o trabalho devo pegar.
Fine-tuning = você muda de emprego para outro bairro. Não esquece tudo o que sabe de trânsito, mas reajusta alguns pesos para as ruas novas.
Esse assunto de pesos é mais avançado, mas é essencial pra entender como a LLM consegue responder suas perguntas e merece um artigo próprio mais pra frente. Tenha em mente que pra aprender com mais profundidade vai precisar de alguns pré-requisitos, como álgebra linear básica, derivadas, probabilidade básica e outros, então vai fundo!
O próximo artigo será sobre harness, que em poucas palavras é tudo que fica em volta do modelo, explico melhor no próximo post.
Abs! Espero que você que leu tenha entendido, esse texto não foi escrito por IA, no máximo ela corrigiu gramática, ele foi criado pra pessoas que estão tentando entender esse universo de LLM/IA. Os próximos artigos vão se complementando.
Top comments (0)