O que é um LLM?

As três palavras, na ordem que importa

Desmonte o nome de trás para frente.

Modelo. Um modelo é uma função que transforma uma entrada em uma saída, com regras aprendidas a partir de dados em vez de escritas por um programador. O modelo de previsão do tempo pega as leituras de hoje e produz a previsão de amanhã. Um modelo de linguagem pega um texto e produz uma probabilidade para o que vem a seguir.

Linguagem. A entrada e a saída são texto, dividido em tokens, que são pedaços de palavras. O que são tokens em IA cobre essa unidade; a versão resumida é que o modelo lê e escreve em fragmentos de aproximadamente três quartos de uma palavra.

Grande. O modelo tem um número muito grande de parâmetros, os números internos que o treinamento ajusta. O GPT-2, em 2019, tinha 1,5 bilhão. O GPT-3, em 2020, tinha 175 bilhões. O catálogo que este site precifica em 2026 inclui um modelo Qwen com 2,4 trilhões de parâmetros, dos quais cerca de 95 bilhões estão ativos em cada token. "Grande" carrega muito peso nesse nome, e a contagem cresceu mais de mil vezes em sete anos.

Então um LLM é um previsor de próximo token muito grande. Toda outra propriedade que as pessoas atribuem a ele, o raciocínio, o tom, os erros ditos com confiança, decorre desse único trabalho.

Um LLM não é um chatbot, e a diferença é o produto inteiro

O ChatGPT é um aplicativo. O GPT é o modelo dentro dele. O Claude é tanto uma família de modelos quanto o aplicativo que a Anthropic constrói ao redor deles. O Gemini segue a mesma lógica no Google. O que é um chatbot de IA cobre a camada do aplicativo; esta página é sobre o motor.

A distinção deixa de ser acadêmica no momento em que você percebe que o motor pode ser trocado. A mesma janela de chat pode enviar sua mensagem para GPT, Claude, Gemini, DeepSeek ou Llama, e as respostas variam em tom, custo, velocidade e precisão. Um ambiente de trabalho multimodelo como o Whizi é exatamente isso: uma janela, mais de 280 modelos por trás dela, e um seletor para escolher qual responde. O aplicativo é o volante. O LLM é o motor, e existem dezenas deles.

Como um LLM é treinado, em duas etapas

Etapa um, pré-treinamento. O modelo lê um corpus enorme de texto e, para cada posição, tenta adivinhar o próximo token. Cada tentativa errada ajusta um pouco os parâmetros. A Meta relatou que o Llama 3 foi pré-treinado em mais de 15 trilhões de tokens, o que, considerando os cerca de 100.000 tokens de um romance de 75.000 palavras (três quartos de palavra por token), equivale ao texto de aproximadamente 150 milhões de livros. Depois dessa etapa, o modelo é um excelente autocompletar e um assistente ruim: pergunte algo a ele e pode continuar com mais três perguntas, porque é isso que o texto na internet costuma fazer.

Etapa dois, pós-treinamento. O modelo então recebe exemplos de boas respostas e é avaliado por pessoas sobre qual de duas respostas é melhor, um processo chamado aprendizado por reforço com feedback humano, ou RLHF. É daí que vem o comportamento de assistente: responder à pergunta no formato pedido e recusar alguns pedidos. É um treinamento de comportamento, não conhecimento novo. Os fatos ainda vêm da primeira etapa.

Duas coisas decorrem dessas duas etapas. O conhecimento do modelo para na data em que os dados de pré-treinamento terminam, por isso todo modelo tem uma data de corte de conhecimento. E nenhuma das etapas instala um verificador de fatos: o modelo aprendeu a produzir texto provável e depois a produzir texto agradável. A verdade é um efeito colateral frequente de ambos, não uma garantia. Por que a IA erra as coisas aprofunda esse ponto.

Por que um LLM prevê em vez de consultar

Um mecanismo de busca recupera informações. Ele tem um índice de páginas e retorna as que correspondem. Um LLM não tem índice. Tudo o que ele leu durante o pré-treinamento foi comprimido em seus parâmetros, e no momento de responder ele regenera texto a partir dessa compressão, um token de cada vez, escolhendo cada token a partir de uma distribuição de probabilidade.

É por isso que um LLM consegue escrever uma receita funcional para um prato que nunca viu com esse nome, e também por isso que consegue produzir uma citação judicial que não existe. Ambas são continuações plausíveis. O modelo não tem um mecanismo separado que verifique se uma continuação plausível é uma continuação real.

A solução que os produtos usam é acoplar a recuperação de informações: buscar na web ou em seus arquivos primeiro, e então entregar ao modelo os trechos e pedir para responder a partir deles. Essa técnica é chamada de RAG, e o que é RAG explica isso. A busca na web dentro de um aplicativo de chat é RAG com a internet como fonte. O modelo ainda está prevendo; só está prevendo a partir de material melhor.

O que o preço compra dentro de uma família, medido

Toda família lança uma escada: um modelo pequeno, um intermediário, um principal. O Artificial Analysis Intelligence Index, uma pontuação composta de benchmarks públicos de raciocínio, código e conhecimento, coloca um número em cada degrau, e o ranking lista um preço combinado por milhão de tokens ao lado. As quatro escadas abaixo foram lidas em 17/09/2026.

A OpenAI compra 15 pontos por 18 vezes o preço, a Anthropic 35 pontos por 36 vezes, a Qwen 19 pontos por 16 vezes. A DeepSeek quebra o padrão: o V4 Flash supera o V4 Pro por menos da metade do preço. Duas coisas decorrem disso. Dentro de uma família, os últimos pontos são os mais caros, então, para uma pergunta factual curta, o modelo pequeno dá a mesma resposta que o principal. E entre famílias, o preço é um guia fraco para a qualidade: o DeepSeek V4 Flash, a $0.27 por milhão de tokens, pontua dois pontos acima do Claude Sonnet 5, a $5.09. Essa é a coisa mais útil de saber sobre LLMs como comprador: o modelo é um botão giratório, não um custo fixo. O Whizi cobra pela mesma lógica, um crédito por mensagem no modelo da casa, 20 para o Claude Opus 5, e até 100 para as linhas mais caras, o que como funcionam os créditos do Whizi detalha por modelo.

A ressalva honesta é que um índice composto é uma média entre tarefas. Para uma cadeia longa de raciocínio, o modelo principal justifica seu preço; para uma reescrita, não. Para uma comparação do que cada família faz de melhor, qual modelo de IA devo usar é a página de decisão.

O que um LLM não consegue fazer, em uma lista

Tudo abaixo é consequência da arquitetura, não um defeito que o próximo lançamento vai corrigir.

• Não consegue saber nada depois do seu corte de treinamento, a menos que a recuperação de informações entregue o texto.
• Não consegue contar de forma confiável em entradas longas, porque trabalha com tokens e probabilidades, não em um loop item por item.
• Não consegue verificar sua própria saída; uma segunda passagem pelo mesmo modelo é o mesmo previsor adivinhando de novo.
• Não consegue lembrar de você entre conversas, a menos que o produto salve anotações e as reinsira depois; essa memória é um recurso do produto, não do modelo.
• Não consegue ver a conversa inteira para sempre. Todo modelo tem uma janela de contexto, o texto máximo que consegue considerar de uma vez, e o que é uma janela de contexto explica o que acontece quando você a atinge.

A consequência prática: trate um LLM como um colega fluente e ocasionalmente errado, e mantenha a verificação do seu lado da mesa. O loop que transforma um modelo em algo que age por conta própria é outra coisa, e o que é um agente de IA traça essa linha. Para qualquer coisa com um custo envolvido, pergunte a um segundo modelo. Dois previsores diferentes concordando é uma evidência fraca; dois discordando é um forte sinal para checar.