Módulo 1: O que é um modelo de IA
Modelo é motor de inferência estatística, não inteligência. A diferença entre treinamento e inferência, os tipos de modelo que existem e por que modelo e produto não são a mesma coisa.
A definição que resolve metade da confusão
Um modelo de IA é um motor de inferência estatística. Traduzindo: é um programa treinado com uma quantidade enorme de dados para prever qual é a próxima resposta mais provável, com base nos padrões que ele identificou durante o treinamento.
O caminho é sempre o mesmo. Entra alguma coisa (o input, que pode ser texto, imagem, áudio, PDF, vídeo), essa coisa passa pelo motor de inferência, o modelo faz milhões de cálculos aproximados baseados em porcentagem e estatística, e sai outra coisa (o output, que também pode ser texto, código, áudio, imagem).
É importante ser preciso aqui, porque é onde nasce boa parte do terraplanismo sobre IA. O modelo aprende só com o passado. Ele não gera conhecimento novo, não pensa, não raciocina, não tem vontade nem desejo. O que a gente chama de IA, e que na verdade é o modelo, o famoso LLM, é um programa treinado com bilhões ou trilhões de dados que responde com base nos padrões que encontrou. São dados, matemática e computação. Nada além disso.
Treinamento e inferência são dois mundos diferentes
Todo modelo tem duas etapas bem distintas, e confundir as duas leva a conclusões erradas sobre custo, sobre meio ambiente e sobre o que você consegue fazer em casa.
| Treinamento | Inferência | |
|---|---|---|
| Tempo | Semanas, meses, às vezes anos | Segundos ou minutos |
| Hardware | Supercomputadores e clusters, na faixa de milhões de reais | Seu PC, seu celular, ou a infraestrutura da empresa |
| Dados | Bilhões de dados, terabytes e petabytes | O tamanho do arquivo que você mandou ou recebeu, na casa dos kilobytes ou megabytes |
| Controle | Está em constante mudança, é o que gera as versões novas | Modelo fixo, parado no tempo até saírem novas versões |
Aquela crítica de que a IA gasta muita água e muita energia se refere à etapa de treinamento, não ao seu uso do dia a dia. Um cluster são centenas ou milhares de computadores ligados 24 horas por dia, e essa energia vem de algum lugar.
Já a inferência está cada vez mais acessível. Um computador de três, quatro, cinco mil reais roda modelos tranquilamente. Você pode acessar pela internet, como já faz, ou baixar o modelo (um arquivo grande) e rodar localmente, sem depender da infraestrutura de ninguém.
Os tipos de modelo
Nem todo modelo aceita todo tipo de entrada. Isso parece óbvio quando escrito, mas é a origem de muita frustração na prática.
- Texto: recebe texto e devolve texto. É o uso mais comum: pesquisa, roteiro, título.
- Visão: interpreta imagem, PDF ou screenshot e devolve texto ou estrutura. É o que você usa quando manda um print pedindo análise de mercado ou avaliação de thumbnail.
- Áudio: interpreta som. O Whisper, da OpenAI, é o exemplo mais conhecido e é o que sustenta boa parte das ferramentas de ditado e transcrição.
- Multimodal: os modelos de fronteira, que juntam imagem, vídeo, PDF e contexto embutido. Gemini, ChatGPT e Claude estão aqui.
- Imagem: o modelo que gera a imagem, diferente do de visão, que só a interpreta.
- Vídeo: modelos de geração de vídeo.
- Local: na prática não é um tipo de modelo, é um tipo de infraestrutura. Um modelo local pode ser de qualquer um dos tipos acima, a diferença é que ele roda na sua máquina.
Exemplos de mercado em texto e código: Claude, Gemini, GPT, DeepSeek, e os modelos chineses como Qwen, Kimi e GLM. Visão aparece nas versões multimodais de quase todos eles.
Modelo não é produto
Quando você entra no chatgpt.com, você está acessando o modelo ou o produto? Os dois ao mesmo tempo, e vale separar as coisas.
A interface gráfica, o site, o aplicativo desktop: isso é produto. É a porta de entrada. O modelo é aquilo que você escolhe naquela listinha suspensa. No Claude, por exemplo, são quatro níveis de custo e capacidade: Haiku (mais básico e barato), Sonnet (intermediário), Opus (a linha avançada) e a linha Fable. Quatro modelos diferentes, treinados de formas diferentes, com resultados diferentes.
Essa distinção é o que liberta. Porque a consequência prática dela é a seguinte: você vai conseguir acessar praticamente qualquer modelo a partir de praticamente qualquer produto, serviço ou interface. É exatamente para isso que servem os próximos módulos.
Próximo módulo
No Módulo 2 a gente entra no que faz o preço de tudo isso existir: tokens, janela de contexto e memória.