Modelo de fundação
Um modelo de fundação (foundation model) é um modelo grande treinado com dados amplos em escala, que pode ser adaptado a muitas tarefas diferentes, por prompting ou fine-tuning, em vez de ser construído para uma única tarefa.
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
O termo foi cunhado em 2021 por pesquisadores de Stanford em um longo relatório sobre as oportunidades e os riscos desses modelos. Eles usaram exemplos como BERT, DALL-E e GPT-3 e escolheram a palavra "foundation" (fundação) para destacar que muitas aplicações são construídas sobre uma única base.
Por que isso importa
A maioria dos produtos de IA hoje não treina o próprio modelo. Eles partem de um modelo de fundação e o adaptam, escrevendo prompts, acrescentando recuperação ou fazendo fine-tuning com seus próprios dados. Uma única rodada cara de pré-treinamento pode servir a milhares de usos.
Modelo de fundação vs LLM
Um grande modelo de linguagem é um tipo de modelo de fundação. O termo é mais amplo: modelos de imagem, áudio, vídeo e modelos multimodais também podem ser modelos de fundação, desde que sejam treinados de forma ampla e depois adaptados.
Limites
Os autores de Stanford alertam para a homogeneização: como tantos sistemas compartilham a mesma base, qualquer falha ou viés no modelo de fundação é herdado por tudo o que é adaptado a partir dele. O termo também descreve como um modelo é usado, e não um tamanho ou uma arquitetura fixa, então os rótulos variam entre empresas.
Termos relacionados
- Grande modelo de linguagem
- Um grande modelo de linguagem (large language model, LLM) é uma rede neural com bilhões de parâmetros, treinada com grandes quantidades de texto para prever o próximo token, o que permite a ele escrever, responder a perguntas, resumir e seguir instruções.
- Fine-tuning
- Fine-tuning (ajuste fino) é o treinamento adicional de um modelo pré-treinado em um conjunto de dados menor e específico para uma tarefa, para que o modelo adote uma habilidade, um formato, um tom ou um domínio particular sem ser treinado do zero.
- Pré-treinamento
- O pré-treinamento (pretraining) é a primeira e maior etapa do treinamento de um modelo, em que ele aprende padrões gerais a partir de um dataset enorme sem rótulos, geralmente prevendo o próximo token, antes de qualquer ajuste para uma tarefa específica.
- Modelo base
- Um modelo base (base model) é um modelo de linguagem recém-saído do pré-treinamento, antes do ajuste por instruções ou do treinamento com feedback humano. Ele continua qualquer texto que receba, em vez de seguir instruções ou manter uma conversa.
- Modelo multimodal
- Um modelo multimodal (multimodal model) é um modelo de IA que consegue receber, e às vezes produzir, mais de um tipo de dado, como texto, imagens, áudio ou vídeo, dentro de um único modelo em vez de sistemas separados.
- Modelo de fronteira
- Um modelo de fronteira (frontier model) é um dos modelos de IA de uso geral mais capazes disponíveis em um dado momento, geralmente de um laboratório com muitos recursos. O termo é relativo e também aparece em políticas de segurança de IA.