Ce este un LLM?

Cele trei cuvinte, în ordinea care contează

Descompune numele de la coadă la cap.

Model. Un model este o funcție care transformă o intrare într-o ieșire, cu reguli învățate din date, nu scrise de un programator. Modelul meteo ia citirile de azi și produce prognoza de mâine. Un model de limbaj ia text și produce o probabilitate pentru ce urmează.

Limbaj. Intrarea și ieșirea sunt text, tăiat în tokeni, care sunt fragmente de cuvinte. Ce sunt tokenii în IA acoperă unitatea; versiunea scurtă este că modelul citește și scrie în fragmente de aproximativ trei sferturi dintr-un cuvânt.

Mare. Modelul are un număr foarte mare de parametri, numerele interne pe care le ajustează antrenarea. GPT-2 din 2019 avea 1,5 miliarde. GPT-3 din 2020 avea 175 de miliarde. Catalogul pe care îl prețuiește acest site în 2026 include un model Qwen cu 2,4 trilioane de parametri, din care aproximativ 95 de miliarde sunt activi la orice token dat. Cuvântul "mare" face multă treabă în nume, iar numărul a crescut de peste o mie de ori în șapte ani.

Așadar un LLM este un predictor de token următor foarte mare. Orice altă proprietate pe care oamenii i-o atribuie, raționamentul, tonul, greșelile spuse cu încredere, decurge din această singură sarcină.

Un LLM nu este un chatbot, iar diferența este întregul produs

ChatGPT este o aplicație. GPT este modelul din interior. Claude este atât o familie de modele, cât și aplicația pe care Anthropic o construiește în jurul lor. Gemini este aceeași poveste la Google. Ce este un chatbot IA acoperă stratul aplicației; această pagină este despre motor.

Distincția încetează să mai fie academică din momentul în care afli că motorul este interschimbabil. Aceeași fereastră de chat poate trimite mesajul tău către GPT, Claude, Gemini, DeepSeek sau Llama, iar răspunsurile diferă în ton, cost, viteză și acuratețe. Un spațiu de lucru multi-model precum Whizi este exact asta: o singură fereastră, peste 280 de modele în spate, și un selector pentru a alege care răspunde. Aplicația este volanul. LLM-ul este motorul, și sunt zeci.

Cum este antrenat un LLM, în două etape

Etapa unu, preantrenarea. Modelul citește un corpus enorm de text și, pentru fiecare poziție, încearcă să ghicească următorul token. Fiecare ghicire greșită ajustează puțin parametrii. Meta a raportat că Llama 3 a fost preantrenat pe peste 15 trilioane de tokeni, ceea ce, la aproximativ 100.000 de tokeni ai unui roman de 75.000 de cuvinte (trei sferturi de cuvânt pe token), înseamnă textul a aproximativ 150 de milioane de cărți. După această etapă, modelul este o autocompletare superbă și un asistent slab: îi pui o întrebare și el poate continua cu încă trei întrebări, pentru că așa se comportă adesea textul de pe internet.

Etapa doi, post-antrenarea. Modelului i se arată apoi exemple de răspunsuri bune și este evaluat de oameni în privința care dintre două replici este mai bună, un proces numit învățare prin întărire din feedback uman, sau RLHF. De aici vine comportamentul de asistent: să răspundă la întrebare în formatul cerut și să refuze anumite solicitări. Este o corecție de comportament, nu o cunoștință nouă. Faptele vin tot din prima etapă.

Din cele două etape decurg două lucruri. Cunoștințele modelului se opresc la data la care s-au încheiat datele de preantrenare, motiv pentru care fiecare model are un prag de cunoștințe. Și nimic din niciuna dintre etape nu instalează un verificator de fapte: modelul a învățat să producă text probabil, apoi să producă text plăcut. Adevărul este un efect secundar frecvent al ambelor, nu o garanție. De ce greșește IA duce acest subiect mai departe.

De ce un LLM prezice în loc să caute

Un motor de căutare recuperează. Are un index de pagini și returnează pe cele care se potrivesc. Un LLM nu are index. Tot ce a citit în timpul preantrenării a fost comprimat în parametrii săi, iar în momentul răspunsului el regenerează text din acea comprimare, un token pe rând, alegând fiecare token dintr-o distribuție de probabilitate.

De aceea un LLM poate scrie o rețetă funcțională pentru un fel de mâncare pe care nu l-a văzut niciodată numit, dar tot de aceea poate produce o citare de instanță care nu există. Ambele sunt continuări plauzibile. Modelul nu are un mecanism separat care să verifice dacă o continuare plauzibilă este și una reală.

Soluția pe care o folosesc produsele este să adauge recuperarea ca pe o componentă separată: caută mai întâi pe web sau în fișierele tale, apoi îi dă modelului pasajele și îi cere să răspundă pe baza lor. Această tehnică se numește RAG, iar ce este RAG o explică. Căutarea web dintr-o aplicație de chat este RAG cu internetul drept sursă. Modelul tot prezice; doar că prezice pe baza unui material mai bun.

Ce cumperi cu prețul în interiorul unei familii, măsurat

Fiecare familie livrează o scară: un model mic, unul mijlociu, unul de vârf. Artificial Analysis Intelligence Index, un scor compus pe teste de raționament, cod și cunoștințe publice, pune un număr pe fiecare treaptă, iar clasamentul afișează lângă el un preț mediu per milion de tokeni. Cele patru scări de mai jos au fost citite pe 2026-09-17.

OpenAI cumpără 15 puncte pentru un preț de 18 ori mai mare, Anthropic 35 de puncte pentru 36 de ori, Qwen 19 puncte pentru 16 ori. DeepSeek rupe tiparul: V4 Flash îl depășește pe V4 Pro la mai puțin de jumătate din preț. De aici decurg două lucruri. În interiorul unei familii, ultimele câteva puncte sunt cele scumpe, așa că pentru o întrebare factuală scurtă modelul mic dă același răspuns ca cel de vârf. Și între familii diferite, prețul este un ghid slab pentru calitate: DeepSeek V4 Flash la $0.27 per milion de tokeni obține două puncte peste Claude Sonnet 5 la $5.09. Acesta este cel mai util lucru de știut despre LLM-uri ca cumpărător: modelul este un buton reglabil, nu un cost fix. Whizi taxează după aceeași logică, un credit pentru un mesaj pe modelul de bază, 20 pentru Claude Opus 5 și până la 100 pentru cele mai scumpe rânduri, pe care cum funcționează creditele Whizi le detaliază pe fiecare model.

Rezerva onestă este că un index compus este o medie pe mai multe sarcini. Pentru un lanț lung de raționament, modelul de vârf își merită prețul; pentru o rescriere, nu. Pentru o comparație a ceea ce este de fapt bun fiecare familie, ce model de IA ar trebui să folosesc este pagina de decizie.

Ce nu poate face un LLM, într-o singură listă

Tot ce urmează este o consecință a arhitecturii, nu un bug pe care îl repară următoarea versiune.

• Nu poate ști nimic după pragul său de antrenare, decât dacă recuperarea îi oferă textul.
• Nu poate număra corect pe intrări lungi, pentru că lucrează în tokeni și probabilități, nu într-o buclă peste elemente.
• Nu își poate verifica propria ieșire; o a doua trecere cu același model este același predictor care ghicește din nou.
• Nu își poate aminti de tine între conversații, decât dacă produsul stochează notițe și le lipește înapoi; acea memorie este o funcție a produsului, nu a modelului.
• Nu poate vedea toată conversația la nesfârșit. Fiecare model are o fereastră de context, textul maxim pe care îl poate lua în considerare deodată, iar ce este o fereastră de context explică ce se întâmplă când o atingi.

Consecința practică: tratează un LLM ca pe un coleg fluent, ocazional greșit, și păstrează verificarea de partea ta. Bucla care transformă un model în ceva ce acționează de unul singur este altceva, iar ce este un agent IA trasează acea linie. Pentru orice are un cost atașat, întreabă un al doilea model. Doi predictori diferiți care sunt de acord este o dovadă slabă; doi care nu sunt de acord este un semnal puternic că trebuie verificat.