Você abre qualquer texto sobre inteligência artificial e leva uma saraivada de siglas na cara: LLM, RAG, SLM, VLM, LRM, CoT. E aí bate aquela sensação chata: “todo mundo parece entender isso, menos eu”. Respire. Por trás de cada sigla assustadora mora uma ideia simples e, quase sempre, uma analogia do dia a dia dá conta de explicar.
Este artigo é o seu decodificador. Um glossário sem enrolação das siglas mais comuns de IA generativa. Porque entender esses conceitos é o que separa quem usa a ferramenta com juízo de quem é enganado por ela sem perceber.
Token
Tokens são os pedaços em que a IA divide o texto para processá-lo. O modelo (LLM, SLM) não lê palavras nem letras do jeito que a gente lê. Na verdade, ele enxerga tudo em termos de tokens, que são as “fichas” com as quais trabalha.
Um token não é exatamente uma palavra, é um pedaço de palavra. Uma regra de bolso pra português e inglês: cada token tem mais ou menos 4 caracteres, e 100 tokens equivalem a umas 75 palavras. Palavras comuns (“casa”, “de”) costumam virar um token só; palavras longas ou incomuns se dividem em vários tokens. “Inteligência”, por exemplo, pode virar algo como “intel” + “igência”.
Pense em um LEGO. Você não enxerga a frase como um bloco único, mas a IA monta e desmonta tudo em pecinhas padronizadas. Cada peça é um token. Pra ler o que você escreveu, ela separa em peças; pra responder, ela vai encaixando peça por peça, sempre prevendo qual é a próxima mais provável.
Custo do token
Quando você usa IA via API, paga por token. Tanto o que você manda quanto o que ela responde. Texto mais enxuto, conta mais barata.
Limite de contexto
Todo modelo tem um teto de quantos tokens consegue “segurar” de uma vez. Essa é a famosa janela de contexto. É por isso que documentos gigantes às vezes precisam ser cortados ou tratados com RAG (aquele que entrega apenas os trechos certos). O modelo não tem espaço infinito na mesa de trabalho.
Algumas ferramentas não impõem limite de tokens na conversa. Entretanto, é perceptível que a qualidade da resposta se degrada quando a quantidade de tokens na conversa se torna muito elevada. Essa é uma das vantagens de utilizar projetos. Você pode manter várias conversas com contexto compartilhado.
Velocidade
A IA gera a resposta um token de cada vez, em sequência. Resposta mais longa = mais tokens = mais tempo pra terminar.
Um detalhe que costuma surpreender o iniciante: um número não é mais simples do que um texto para a IA. Um número grande pode se quebrar em vários tokens de um jeito meio aleatório, e é em parte por isso que modelos às vezes erram contas. Afinal, eles não “veem” o número inteiro, veem os pedaços.
Exemplo de tokenização
Veja neste exemplo utilizando o Tokenizer da OpenAI que fica disponível em platform.openai.com — Tokenizer. A frase escrita tem 10 palavras, 53 caracteres e 17 tokens que foram assim divididos: [Olá] [,] [ seja] [ muito] [ bem] [-] [vindo] [ e] [ bem] [-] [vinda] [ ao] [ blog] [ da] [ K] [21] [.]
Algumas coisas que podem chamar a atenção são:
1) Por que vírgula, traços e pontos são tokens independentes?
O tokenizador não divide o texto apenas em palavras, mas também em fragmentos reutilizáveis, que podem ser palavras inteiras, partes de palavras, espaços ou sinais de pontuação. Como vírgulas, pontos e hífens aparecem em inúmeras combinações, é mais eficiente tratá-los como peças próprias do que criar um token para cada palavra acompanhada de pontuação. Esses sinais também carregam informações importantes sobre pausas, limites de frases e a estrutura do texto.
2) Por que separou K de 21?
Porque o tokenizador não encontrou “K21” como uma unidade única suficientemente comum em português e, por isso, usou duas peças já disponíveis: K e 21. Letras e números costumam aparecer em muitas combinações, como nomes de empresas, versões de programas, códigos e modelos de produtos; por isso, separá-los permite reutilizar os mesmos tokens em expressões diferentes. Essa divisão não segue uma regra gramatical fixa e pode variar conforme o tokenizador ou o modelo utilizado.
3) Sempre funciona assim?
Não. Veja o exemplo do mesmo tokenizer usando a versão 3 do GPT.
Veja que a mesma frase, utilizando uma versão antiga de tokenização, gerou 26 tokens em vez dos 17 anteriores. Mostrando que modelos distintos utilizam tokenizações diferentes.
LLM (Large Language Model)
É a peça-chave da inteligência artificial generativa. Imagine que é uma pessoa que lê uma quantidade absurda de texto e responde de cabeça o que você quer perguntar para ela. É o motor por trás do ChatGPT, do Claude, do Gemini. Ponto forte: sabe de quase tudo. Ponto fraco: responde “de cabeça”, então às vezes inventa com confiança, a famosa alucinação.
SLM (Small Language Model)
É a mesma ideia, só numa versão mais enxuta. Pense num estagiário especialista: sabe menos coisas em geral, mas é rápido, barato e cabe no seu bolso. Sua empresa pode instalar em um servidor mais modesto e utilizá-lo para tarefas mais simples; afinal, ela é ótima quando a tarefa é específica e o volume é alto.
Uma boa prática que muitas empresas têm utilizado é utilizar SLMs locais (on-premises) para resolver problemas rotineiros e LLMs via SaaS para problemas mais complexos. Isso reduz o consumo excessivo de tokens e a necessidade de assinar planos de ferramentas de IA cada vez mais caros. Ferramentas como Gemma 2B, Llama 3.2 1B são exemplos de SLM.
VLM (Vision Language Model)
É a IA que, além de ler, enxerga. Você manda uma foto, um print, um gráfico ou um PDF e ela interpreta. É o que permite “descreva esta imagem” ou “extraia os dados desta nota fiscal”.
A maioria das ferramentas de LLM e SLM também oferece VLM, mas tenha muito cuidado: a interpretação de imagens e o processamento de arquivos PDF costumam consumir um caminhão de tokens da sua conversa. Use com parcimônia.
Tokenização com imagens
Com imagens, o processo é bem diferente do texto, mas o objetivo final é o mesmo: transformar a informação em algo que o transformer consiga processar por meio da atenção.
O problema de partida
O texto já vem naturalmente dividido em unidades discretas (palavras, sílabas, caracteres). Uma imagem é só uma grade contínua de pixels, então o modelo precisa primeiro “fatiar” essa imagem em pedaços que possam ser convertidos em tokens.
Como a imagem vira tokens (patches)
A técnica mais comum vem do Vision Transformer (ViT). O processo é assim:
- A imagem é dividida em uma grade de blocos quadrados, chamados patches (por exemplo, de 16×16 pixels).
- Cada patch é achatado (flatten) em um vetor de números que representa os valores RGB de todos os pixels do bloco.
- Esse vetor passa por uma camada de projeção linear que o transforma em um embedding, do mesmo jeito que uma palavra vira um embedding em um texto.
- Como o transformer não sabe, de forma nativa, “onde” cada patch estava na imagem original, é aplicado um positional encoding que informa a posição de cada patch na grade (linha e coluna).
No final, uma imagem de 224×224 pixels, dividida em patches de 16×16, vira algo em torno de 196 tokens. Uma imagem maior ou de maior resolução gera mais patches, e portanto mais tokens.
A parte interessante: atenção entre imagem e texto
Depois que a imagem é convertida em uma sequência de tokens (os patches), ela passa pelo mesmo mecanismo de tokenização já mencionado. Isso permite que:
- Um token de texto (como a palavra “gato” no seu prompt): preste atenção aos patches da imagem que mostram o gato.
- Patches da imagem prestem atenção entre si, para entender relações espaciais (por exemplo, que um patch com “orelha” está conectado a um patch com “cabeça”).
É esse cruzamento de atenção entre modalidades (texto e imagem) que permite descrever uma imagem, responder perguntas sobre ela ou relacionar algo que você escreveu a algo que está na imagem que você enviou.
Por que isso importa
Isso tem implicações diretas em termos de custo e de contexto, já que cada imagem consome um número significativo de tokens do seu limite de contexto, dependendo da resolução. Uma imagem de alta resolução gera muito mais patches (tokens) do que uma de baixa resolução. Por isso, em alguns produtos, as imagens são redimensionadas ou comprimidas antes de entrar no modelo, exatamente para controlar esse custo.
LRM (Large Reasoning Model)
Quando a IA, antes de responder, rascunha o raciocínio. Em vez de soltar a resposta na hora, ela quebra o problema em passos internamente e só então conclui. Isso a torna bem melhor em matemática, lógica e problemas de várias etapas, porém, a um custo de ser mais lenta e mais cara.
O DeepSeek começou com isso, e hoje as demais ferramentas de IA generativa também oferecem essa funcionalidade. Hoje, em cada ferramenta, elas se chamam:
- ChatGPT: Thinking
- Claude: Extended thinking
- Copilot: Think Deeper
- Gemini: Deep Think
Exemplo de LRM realizado pelo Claude Fable 5 ao ser questionado sobre quem vencerá a Copa do Mundo de futebol masculino de 2026.
CoT (Chain of Thought)
CoT é a técnica de pedir pro modelo “pensar passo a passo”, mostrando o caminho em vez de só o resultado. Quando você faz isso via prompt, está aplicando CoT manualmente. O LRM é, em boa medida, um modelo que já vem com esse raciocínio “de fábrica”, embutido. Ou seja: CoT é o comportamento; LRM é o modelo treinado pra fazer isso sozinho.
RAG (Retrieval-Augmented Generation)
É uma técnica usada para fazer uma IA responder com base em informações que você fornece diretamente ou que você concede acesso, em vez de depender apenas do que ela aprendeu durante o treinamento.
Imagine que você tem os contratos da sua empresa e deseja saber quais clientes que compraram o produto X encerraram o contrato em menos de 1 ano e quais são as reclamações deles. Se você digitar isso diretamente no ChatGPT e ele responder qualquer coisa diferente de “Eu não sei”, você terá um mega problema em mãos. Ou os contratos da sua empresa vazaram na internet, essas ferramentas conseguiram lê-los e treiná-los, e agora qualquer pessoa pode acessá-los. Ou então ela “alucinou” e te deu uma resposta estapafúrdia. Afinal, ela não conhece os contratos da sua empresa.
É justamente aqui que entra o RAG. Nesse exemplo, você poderia informar à IA quais contratos ela deveria obter ou indicar onde encontrá-los. Quais são as bases de dados que concentram as reclamações e em qual sistema você registra os clientes ativos. Agora, em vez de buscar essas informações na internet ou na base de treinamento da IA, a busca será feita nos arquivos que você forneceu à ferramenta.
No geral, é um tanto mais lenta, mas é muito mais certeira do que não utilizar RAG. Hoje, a maioria das IAs generativas possui RAG, mas o NotebookLM é o mais voltado a esse recurso.
ATENÇÃO com dados confidenciais
Não saia colocando seus contratos e documentos sensíveis em qualquer ferramenta. TODOS os seus dados podem ser utilizados para treinamento. A maioria delas é de planos empresariais e, apenas nesses contratos, há garantias de que seus documentos não serão utilizados para fins de treinamento.
Exemplo de uso da conta da empresa da K21. Perceba que há garantia apenas de que seus dados não serão utilizados para o treinamento do Gemini nesse tipo de plano.
Bônus: alucinação
Já que eu mencionei, não custa explicar. Alucinação ocorre quando a IA responde com confiança a algo que não é verdade. Ela inventa um fato, uma citação, um número, uma fonte e entrega com a mesma naturalidade de uma resposta correta. O problema não é ela errar; é ela errar sem dar qualquer sinal de que está errando.
Da sopa de letrinhas ao juízo crítico
No fim, a lição não é decorar nenhuma sigla. Você agora sabe que token é a peça, que LLM, SLM, VLM e LRM são tipos de modelo e que RAG e CoT são formas de uso. Não precisa decorar nada disso: precisa reconhecer os termos quando aparecerem e entender o que está em jogo. É isso que separa quem acompanha a conversa sobre IA de quem fica de fora dela.
Pronto pra levar isso pra prática?
Conheça os cursos da K21 e aprenda a usar IA no dia a dia de produto com quem vive o assunto.
Perguntas frequentes
O que é token em inteligência artificial e como ele afeta o custo de uso?
Tokens são os pedaços em que os modelos de inteligência artificial dividem o texto para processar a informação, onde cada token equivale a cerca de quatro caracteres. O custo de utilização de IAs via API é calculado diretamente pelo número de tokens enviados no prompt e gerados na resposta. Por isso, textos mais enxutos geram menor custo de uso.
Qual a diferença entre LLM e SLM na aplicação em empresas?
LLM (Large Language Model) possui amplo conhecimento geral, mas tem maior custo e risco de alucinação. Já o SLM (Small Language Model) é uma versão enxuta, rápida e barata, ideal para tarefas específicas e rotineiras. Muitas empresas combinam o uso de SLMs locais para demandas diárias com LLMs em nuvem para resolver problemas complexos.
O que é LRM e qual a diferença para a técnica Chain of Thought?
LRM (Large Reasoning Model) é um modelo de IA treinado para rascunhar internamente o raciocínio em etapas antes de dar uma resposta final, sendo superior em lógica e matemática. Chain of Thought (CoT) é a técnica de pedir manualmente esse raciocínio no prompt. O LRM já vem com a capacidade de aplicar o CoT de forma embutida.
Como o RAG ajuda a IA a responder sobre documentos internos de uma empresa?
O RAG (Retrieval-Augmented Generation) faz a IA consultar arquivos específicos fornecidos pelo usuário ou sistemas internos antes de responder. Essa técnica impede que o modelo dependa apenas de sua base de treinamento original ou invente informações falsas, garantindo respostas mais precisas sobre relatórios, contratos e bases de dados corporativas privadas.
Pronto pra dar o próximo passo?
Conheça os cursos da K21 e leve essas ideias pra prática com quem vive agilidade todo dia.
Ver cursos K21