Glossário 2026: 30 termos de IA que todo profissional precisa entender

Transparência: análise técnica feita a partir de especificações oficiais e fontes públicas. Alguns links no texto são de afiliados (Mercado Livre, Amazon) e podem render uma pequena comissão ao site — você paga o mesmo preço. Isso não molda o que escrevemos.

O vocabulário de IA evolui mais rápido que qualquer outra área de tech. Em 2026, termos que dominaram 2024 (transformer, embedding, prompt engineering) já são considerados básicos. Aqui está a lista atualizada dos 30 conceitos que apareceram em conferências, papers e produtos comerciais.

Fundamentos

• LLM (Large Language Model): modelo treinado em texto para gerar/prever texto.
• Transformer: arquitetura introduzida em 2017 que viabilizou LLMs modernos.
• Token: unidade básica de texto processada (~3 caracteres em inglês).
• Context Window: quantidade máxima de tokens que um modelo aceita por vez.
• Embedding: representação numérica de palavras/frases em espaço vetorial.

Geração

• Temperature: grau de aleatoriedade na saída (0 = determinístico, 2 = caótico).
• Top-p (nucleus sampling): filtragem das opções pelo cumulativo de probabilidade.
• Beam Search: exploração de múltiplos caminhos de geração para escolher o melhor.
• RAG (Retrieval-Augmented Generation): busca documentos externos antes de gerar resposta.
• Chain of Thought (CoT): pedir ao modelo para “pensar passo a passo” antes de responder.

Otimização e Performance

• Quantization (Q4, Q8): reduzir precisão dos pesos para economizar VRAM (Q4 = 4 bits).
• FP4/FP8: formatos de ponto flutuante de baixa precisão otimizados para inferência.
• LoRA (Low-Rank Adaptation): técnica para adaptar modelos grandes treinando poucos parâmetros.
• Fine-tuning: treinar modelo pré-existente em dados específicos do seu caso.
• Distillation: treinar modelo pequeno para imitar saídas de modelo grande.

Agentes e Tools

• Agent: LLM que toma decisões e usa ferramentas em loop.
• Tool Calling / Function Calling: capacidade do LLM de invocar funções/APIs externas.
• MCP (Model Context Protocol): protocolo aberto da Anthropic para conectar LLMs a ferramentas.
• ReAct: pattern de “raciocinar + agir + observar” em loop para resolver tarefas complexas.
• Computer Use: agentes que controlam mouse/teclado/screenshots do computador.

Multimodal e Visão

• VLM (Vision Language Model): modelo que processa texto + imagem (ex: GPT-4V, Claude 3.5).
• Diffusion Model: família de modelos que gera imagens/vídeo via processo iterativo.
• Latent Space: representação compactada onde o modelo opera (antes de “desenhar”).
• ControlNet: modelo que adiciona controle estrutural à geração de imagem.
• Multi-Frame Generation (MFG): técnica que gera frames intermediários sintéticos (usado por DLSS 4).

Infraestrutura

• HBM3e: memória de alta largura de banda usada em GPUs de IA datacenter.
• CoWoS: empacotamento avançado da TSMC que coloca GPU e HBM no mesmo substrato.
• NVLink: interconexão proprietária NVIDIA entre GPUs (até 900 GB/s).
• vLLM / TGI: servidores de inferência otimizados para LLMs em produção.
• KV Cache: cache de pares chave-valor que evita recomputar atenção em cada token.

Essa é a base. Voltaremos com termos de áreas específicas (RLHF, DPO, MoE, sparsity) em posts dedicados.

5 conceitos de IA que você mais vai encontrar em 2026 (explicados a fundo)

O glossário acima dá a definição rápida; aqui aprofundamos os termos que mais aparecem no dia a dia — para você não só reconhecer a palavra, mas entender o que ela significa na prática.

LLM (Large Language Model). É o tipo de IA por trás de assistentes como o ChatGPT. Foi treinado lendo enormes quantidades de texto e aprende a prever a próxima palavra mais provável. Ele não “sabe” fatos como um banco de dados: gera linguagem com base em padrões, o que explica tanto a fluência quanto os erros ocasionais.

Token. Os modelos não leem palavras, e sim “tokens” — pedaços de palavras. “Cachorro” pode ser um token; “incompreensível” vira vários. Isso importa porque preço de API, limites de contexto e velocidade são medidos em tokens, não em palavras.

Alucinação. Quando o modelo gera uma informação que soa convincente, mas é falsa. Acontece porque ele otimiza por linguagem plausível, não por verdade. Por isso toda resposta de IA para fatos importantes deve ser verificada.

RAG (Retrieval-Augmented Generation). Técnica que conecta o modelo a uma base de documentos: antes de responder, ele “busca” trechos relevantes e os usa como base. É o que permite a uma IA responder sobre os seus próprios documentos com menos alucinação.

Inferência x treinamento. Treinamento é o processo (caro e demorado) de criar o modelo; inferência é o uso dele para gerar respostas. Quando você roda IA local, está fazendo inferência — por isso o hardware de inferência (memória, GPU/NPU) é o que importa para o usuário comum.

Dúvidas comuns sobre os termos de IA

Por que a IA “inventa” coisas?

Porque ela gera a linguagem mais provável, não a verdade verificada. Esse fenômeno, a alucinação, é inerente aos modelos atuais — use-os como assistentes, sempre conferindo fatos críticos.

Qual a diferença entre IA local e na nuvem?

Na nuvem, o modelo roda em servidores potentes; localmente, no seu aparelho — com mais privacidade, mas limitado pelo hardware. Explicamos a fundo no guia de IA local vs. nuvem.

Preciso saber esses termos para usar IA?

Não para o básico, mas conhecê-los ajuda a entender limites, custos e a escolher a ferramenta certa para cada tarefa.

Mais 5 conceitos práticos de IA que vão aparecer no seu dia

O glossário inicial cobre o básico. Aqui estão cinco conceitos que vão aparecer nos próximos meses em produtos que você usa — e entender cada um te ajuda a saber se vale o hype ou não.

Mixture of Experts (MoE). Em vez de um modelo gigante calcular tudo, ele tem vários “especialistas” menores e seleciona dinamicamente quais ativar para cada pergunta. Resultado: respostas tão boas quanto modelos enormes, com custo de computação muito menor. É a tecnologia que está deixando IA na nuvem mais barata e a IA local mais viável.

Function calling (ou tool use). Quando o modelo, em vez de só responder em texto, dispara ações no mundo real — chamar uma API, consultar banco de dados, mexer em arquivo. Sem function calling, ele só conversa. Com function calling, vira um agente que faz coisas. A linha entre chatbot e assistente útil mora aqui.

Embeddings. A forma como o modelo “entende” o significado: cada texto vira um vetor de números que captura semântica. Dois textos sobre “carro” ficam próximos no espaço vetorial; um texto sobre “carro” e outro sobre “automobile” também. É a base do RAG e da busca semântica que substitui Ctrl+F.

Janela de contexto. Quanto texto o modelo consegue “lembrar” por vez. Modelos antigos: poucos parágrafos. Modelos atuais de fronteira: livros inteiros (até 1 milhão de tokens em alguns). Quanto maior a janela, mais o modelo trabalha com documentos longos sem perder o fio.

Inference-time compute. Tendência nova: deixar o modelo “pensar” mais antes de responder (gerando rascunhos internos, conferindo). Os modelos com “reasoning” ativado consomem mais tokens mas chegam a respostas melhores em tarefas difíceis. É o oposto da era anterior, onde rapidez era tudo.

Como esses conceitos se conectam

Numa aplicação real, eles aparecem juntos. Imagine um assistente de pesquisa: o usuário pergunta algo; o sistema cria embeddings da pergunta para buscar em sua base (RAG); manda os trechos relevantes para um LLM com MoE e janela de contexto longa; o LLM usa function calling para consultar uma API externa quando precisa de dado atual; e usa inference-time compute para checar a resposta antes de devolver. Saber o nome de cada peça ajuda a entender por que algo funcionou — ou não.

Mais perguntas frequentes

Qual desses conceitos é mais importante para usuário comum?

Function calling. É o que transforma chatbot em assistente útil de verdade — capaz de mexer no seu calendário, mandar email, automatizar tarefas. Sem function calling, fica só sugerindo.

Modelos MoE são acessíveis para uso local?

Sim, vários abertos importantes (Mixtral, DeepSeek) são MoE. A vantagem: rodam em menos memória do que modelos densos de mesma qualidade. Detalhamos no guia de IA local.

Janela de contexto enorme resolve tudo?

Não — modelos com contexto longo ainda têm dificuldade de “achar” informação no meio do contexto (o famoso “needle in haystack”). RAG bem feito muitas vezes supera contexto bruto.