Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

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.

Fontes