Um embedding é um local, e significado é distância
Dê a um modelo de embedding a frase "como recupero meu dinheiro" e ele retorna uma lista de números. Dê a ele "política de reembolso" e ele retorna outra lista. As duas listas ficam próximas. Dê a ele "o reembolso de elétrons no cátodo" e a lista fica longe, mesmo compartilhando a palavra.
Esse é o truque inteiro. O modelo aprendeu a posicionar texto em um espaço com centenas ou milhares de dimensões de forma que o significado, não o vocabulário, decida onde as coisas caem. Uma vez que o texto vira um local, perguntas sobre significado viram perguntas sobre distância, e distância é algo que um computador consegue calcular para um milhão de itens em milissegundos.
A famosa demonstração inicial, do trabalho word2vec de 2013, era aritmética com locais de palavras: pegue o vetor de "rei", subtraia "homem", some "mulher", e a palavra mais próxima do resultado é "rainha". Modelos de embedding modernos fazem o mesmo para frases e documentos inteiros, e os vetores são mais longos.
O tamanho de um embedding, nos modelos que as pessoas realmente usam
O comprimento da lista é chamado de contagem de dimensões. Ele tem crescido junto com os modelos.
o word2vec, em 2013, usava 300 dimensões e o BERT base, em 2018, 768; o Voyage 3 retorna 1.024; o text-embedding-3-small da OpenAI retorna 1.536 números por entrada e o text-embedding-3-large retorna 3.072; o Gemini Embedding do Google também usa 3.072 por padrão. Mais dimensões podem guardar distinções mais finas, ao custo de armazenamento e tempo de comparação, e é por isso que os modelos mais novos também permitem truncar a lista para um tamanho menor quando velocidade importa mais do que nuance.
Cada um desses números é irrelevante sozinho. A dimensão 412 não é "formalidade" nem "tópico". O significado só existe em onde a lista inteira cai em relação a outras listas, e é por isso que um embedding é inútil sem uma coleção para comparar.
Modelos de embedding encontram; modelos de linguagem escrevem
As pessoas confundem os dois porque ambos são "IA sobre texto". São modelos diferentes fazendo trabalhos opostos.
| Modelo de embedding | Modelo de linguagem (LLM) | |
|---|---|---|
| Entrada | Texto (ou uma imagem) | Texto (ou uma imagem) |
| Saída | Uma lista fixa de números | Texto novo, um token por vez |
| Trabalho | Posicionar a entrada para que coisas parecidas fiquem próximas | Continuar a entrada de forma plausível |
| Usado para | Busca, correspondência, agrupamento, recuperação | Responder, escrever, resumir |
| Custo por milhão de tokens | $0.02 no text-embedding-3-small | $0.20 na linha GPT mais barata, $2 a $10 nas de ponta |
| Pode errar? | Pode colocar uma correspondência ruim em primeiro lugar | Pode inventar uma resposta |
A linha de custo é a que merece atenção. Fazer o embedding de um milhão de tokens com o modelo pequeno da OpenAI custa $0.02, contra $0.20 por milhão de tokens de entrada no GPT-5.6 Luna, empatado como linha GPT mais barata com o Luna Pro e o GPT-5.4 Nano, segundo o índice de custo de modelos de IA com preços da OpenRouter coletados em 2026-08-20. Buscar é dez vezes mais barato do que a escrita GPT mais barata e pelo menos cem vezes mais barato do que a escrita de ponta. Essa diferença é o motivo pelo qual todo sistema sério busca primeiro e escreve depois. O que é um LLM cobre o lado da escrita.
Onde os embeddings funcionam sem você perceber
Chat com seus documentos. Quando você envia um PDF longo e faz uma pergunta, o arquivo é dividido em trechos, cada trecho recebe um embedding e é armazenado em um banco de dados vetorial, sua pergunta também recebe um embedding, e os trechos cujos vetores ficam mais próximos são entregues ao modelo de linguagem como contexto. O modelo responde a partir desses trechos. Isso é geração aumentada por recuperação, e o que é RAG percorre esse fluxo; embeddings são sua etapa de busca. O guia de chat com PDF cobre como fazer perguntas a um arquivo enviado no Whizi.
Se um documento é pesquisado ou simplesmente lido por inteiro depende da janela. A janela de contexto de cada modelo, em páginas, está abaixo; tudo que couber pode entrar por inteiro, e a recuperação existe para as coleções que não cabem.
Busca que entende sinônimos. Um site de suporte que retorna o artigo de cancelamento para "parar de pagar" está comparando embeddings, não palavras.
Recomendações e agrupamento. Itens com vetores próximos são itens parecidos: produtos relacionados, tickets duplicados, artigos sobre o mesmo tema.
Recursos de memória em apps de chat. Quando um assistente "lembra" de um fato de uma conversa antiga, uma implementação comum faz o embedding de anotações passadas e recupera as mais próximas para o prompt.
Em cada caso, o embedding faz a busca e outra coisa faz a decisão ou a escrita. O modo de falha é o mesmo em todos os lugares também: se o vetor mais próximo é o trecho errado, tudo o que vem depois responde com confiança à pergunta errada, o que é o erro de recuperação que o que é uma alucinação de IA lista como uma falha separada da invenção.
O que você pode fazer com a ideia, sem escrever código
Você raramente vai lidar com um embedding diretamente, mas conhecer o mecanismo muda como você usa as ferramentas construídas sobre ele.
- Pergunte na linguagem da resposta. A recuperação combina sua pergunta com trechos por significado. Uma pergunta formulada como o documento formula as coisas cai mais perto do que uma formulada como você diria em voz alta.
- Divida uploads grandes por tópico. Um arquivo de 400 páginas com três assuntos não relacionados gera um espaço lotado; três arquivos são recuperados com mais limpeza.
- Leia o trecho citado. Se uma resposta de chat com arquivo cita um trecho, abra-o. Um erro de recuperação parece uma resposta confiante a uma pergunta ligeiramente diferente.
- Espere que ele falhe em strings exatas. Embeddings são sobre significado; um número de nota fiscal ou um código de peça é melhor encontrado por busca de texto simples, e boas ferramentas combinam as duas.
A regra de decisão: quando o trabalho é encontrar a peça certa entre muitas, você quer um modelo de embedding, e ele deve ser barato. Quando o trabalho é produzir uma peça, você quer um modelo de linguagem, e ele deve ser bom. Produtos que acertam essa divisão são os que têm um chat com arquivos que realmente funciona.
- Lembre-se da divisão: embeddings buscam, modelos de linguagem escrevem
- Formule perguntas a um documento enviado nos termos do próprio documento
- Divida uploads grandes por tópico para dar à recuperação um espaço mais limpo para buscar
- Abra o trecho citado em qualquer resposta de chat com arquivo antes de confiar nela
- Use busca de texto simples para strings exatas como IDs e códigos; embeddings correspondem a significado, não a caracteres
Perguntas frequentes
O que é um embedding em termos simples?
Uma lista de números que representa o significado de um trecho de texto, posicionada de forma que significados parecidos gerem listas parecidas. "Política de reembolso" e "como recupero meu dinheiro" ficam próximas; uma frase de química com a palavra reembolso fica longe. A distância entre listas é como um computador mede o quanto duas coisas se relacionam.
Qual é a diferença entre um modelo de embedding e um LLM?
Um modelo de embedding produz uma lista fixa de números que representa significado; um modelo de linguagem produz texto novo, um token por vez. O primeiro encontra e combina, o segundo escreve e responde. O chat com seus documentos usa os dois: embeddings para buscar os trechos relevantes, o LLM para escrever a resposta a partir deles.
Quantas dimensões tem um embedding?
Depende do modelo. O word2vec, em 2013, usava 300, o BERT base, 768, e os modelos atuais vão de 1.024 a 3.072: o text-embedding-3-small da OpenAI retorna 1.536 e o text-embedding-3-large retorna 3.072, o mesmo padrão do Gemini Embedding do Google. Modelos mais novos permitem truncar para menos dimensões quando velocidade importa mais do que nuance.
Embeddings são caros?
Não, e esse é o ponto. A OpenAI lista o text-embedding-3-small a $0.02 por milhão de tokens, contra $0.20 por milhão de tokens de entrada no GPT-5.6 Luna e $2 a $5 nos modelos de chat de ponta, a preços de lista da OpenRouter coletados em 2026-08-20. Buscar é de dez a cem vezes mais barato do que escrever, e é por isso que sistemas de recuperação fazem o embedding de tudo e geram apenas a resposta.
Onde os embeddings são usados no ChatGPT, no Claude ou no Gemini?
Nos recursos que encontram coisas: upload de arquivos e chat com documentos, busca nas suas conversas anteriores, e memória que recupera fatos de chats antigos. Em cada um, o design usual é fazer o embedding do texto, recuperar as correspondências mais próximas e deixar o modelo de linguagem escrever a partir delas. O embedding é invisível para você; o erro de recuperação, quando acontece, não é.
