--- title: "Modelo de linguagem (LLM): o que é | Grupo Marfre" description: "Modelo de linguagem (LLM) é o programa que gera texto a partir de padrões aprendidos no treino. Veja por que ele precisa buscar dados atuais da sua empresa." canonical: https://grupomarfre.com.br/sites-agenticos/modelo-de-linguagem-llm/ alternate_html: https://grupomarfre.com.br/sites-agenticos/modelo-de-linguagem-llm/ language: pt-BR last_updated: 2026-10-27 type: guia --- # Modelo de linguagem (LLM): o que é **Resposta rápida:** Um modelo de linguagem (LLM, na sigla em inglês) é um programa treinado com enorme volume de texto para prever e gerar linguagem. Ele aprende padrões no treino e só conhece o que estava nos dados até a data de corte. Por isso, para falar do horário da sua loja, precisa buscar a informação atual, no seu site ou em outra fonte. Um LLM (large language model, ou modelo de linguagem) é o motor por trás de assistentes como ChatGPT, Claude e Gemini. Ele lê uma pergunta e produz, palavra por palavra, a resposta mais provável com base no que aprendeu. O ponto que importa para quem tem um negócio: o modelo aprende uma vez, num período de treino, e depois só usa o que aprendeu. Tudo o que mudou depois disso ele não sabe, a não ser que busque. ## O que é um modelo de linguagem? É um programa treinado com grande volume de texto para reconhecer padrões da linguagem e gerar texto novo a partir deles. Ele não consulta um banco de dados de fatos. Ele calcula qual continuação faz mais sentido para o texto que recebeu. Por isso um LLM escreve com fluência mesmo quando erra. A fluência vem do padrão, não da checagem. A página sobre [alucinação de IA](https://grupomarfre.com.br/sites-agenticos/alucinacao-de-ia/) explica o que acontece quando ele preenche uma lacuna com algo que soa certo. ## Treino e uso: qual a diferença? Treino é a fase em que o modelo aprende com textos coletados até uma data de corte. Uso é a fase em que ele responde perguntas de pessoas. No uso, o modelo não aprende nada novo por conta própria: ele aplica o que ficou do treino. Essa separação tem uma consequência direta. Se o seu site foi publicado ou mudou depois do corte, o conhecimento embutido no modelo não inclui essa versão. ## Por que um LLM sozinho não sabe o horário da sua loja? Porque horário, preço, endereço e telefone mudam, e o modelo parou de aprender na data de corte. Sem acesso à web, ele só tem a lembrança do treino, que pode estar desatualizada ou nem conter a sua empresa. Exemplo fictício: a loja Casa Verde Jardinagem passou a abrir aos sábados até as 14h depois do corte do modelo. Sem busca, o assistente pode responder o horário antigo, ou um horário genérico que soa plausível. Com busca, ele consulta o site da loja e responde com o dado atual. Esse ato de buscar antes de responder se chama RAG ou grounding, tema da página [RAG e grounding](https://grupomarfre.com.br/sites-agenticos/rag-e-grounding/). ## Como o LLM se liga aos robôs de treino, de busca e de usuário? As empresas de IA separam os robôs por etapa, e o padrão se repete nas documentações oficiais: robô de treino, robô de busca ou índice e robô de usuário. No Google e na Apple, o controle de treino é um token do robots.txt (Google-Extended e Applebot-Extended), não um robô que rastreia à parte. | Família | O que faz | Exemplos | | --- | --- | --- | | Treino | Coleta conteúdo que pode entrar no treino dos modelos | GPTBot, ClaudeBot, MistralAI-Training | | Busca | Indexa o site para ele aparecer nas respostas de busca | OAI-SearchBot, Claude-SearchBot, PerplexityBot | | Usuário | Busca a página na hora, a pedido de alguém | ChatGPT-User, Claude-User, Perplexity-User | Segundo a documentação da OpenAI, bloquear o GPTBot indica que o conteúdo não deve ser usado em treino, enquanto bloquear o OAI-SearchBot tira o site das respostas de busca do ChatGPT. Vários robôs de usuário, segundo as próprias empresas, podem ignorar o robots.txt por agirem a pedido de uma pessoa. A Anthropic é exceção: diz que os três robôs dela, inclusive o Claude-User, respeitam o robots.txt. Bloquear treino e liberar busca é possível em OpenAI, Anthropic, Apple, Amazon, Meta, Mistral e Google (no Google, pelo token Google-Extended). A comparação completa está em [robô de treino, de busca e de usuário](https://grupomarfre.com.br/sites-agenticos/treino-busca-e-usuario/), e o passo a passo do arquivo em [robots.txt na era da IA](https://grupomarfre.com.br/sites-agenticos/robots-txt-para-ia/). ## Como testar o que um LLM sabe da sua empresa? Faça o teste em duas rodadas com a mesma pergunta, por exemplo "Qual o horário de funcionamento da \[sua empresa\] em \[sua cidade\]?". 1. Pergunte a um assistente com a busca na web desligada e anote a resposta. 2. Repita com a busca ligada e compare. 3. Confira se a resposta com busca bate com o seu site e se aponta para ele. Se a segunda rodada errar, confira primeiro o que o robô de busca consegue ler no seu site e qual fonte a resposta usou. Quem não quer que o conteúdo entre em treino, mas quer continuar aparecendo, encontra o caminho em [não quero que a IA treine com meu conteúdo](https://grupomarfre.com.br/sites-agenticos/ia-sem-treinar-com-meu-conteudo/). ## Perguntas frequentes ### LLM e ChatGPT são a mesma coisa? Não. LLM é o tipo de modelo. ChatGPT é um produto da OpenAI que usa modelos desse tipo e pode adicionar busca na web por cima. ### O LLM guarda uma cópia do meu site? Ele não armazena páginas como um arquivo. Ele guarda padrões aprendidos no treino. Já os sistemas de busca ligados ao assistente leem a página na hora ou a mantêm num índice próprio. ### Bloquear o robô de treino tira meu site das respostas? Não necessariamente. Treino e busca têm controles separados, e bloquear só o de treino não bloqueia o de busca, segundo a documentação de OpenAI, Anthropic, Apple, Amazon, Meta, Mistral e Google. ### Por que a IA às vezes erra o horário da minha empresa? Ou ela respondeu só com a memória do treino, que pode estar desatualizada, ou a busca encontrou uma fonte antiga. Conferir qual página ela leu é o primeiro passo. ## Fontes consultadas - [platform.openai.com/docs/bots](https://platform.openai.com/docs/bots) - [support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler](https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler) ## Leia também ### [Robô de treino, de busca e de usuário: as três famílias](https://grupomarfre.com.br/sites-agenticos/treino-busca-e-usuario/) Robô de treino, de busca e de usuário: entenda as três famílias de robôs de IA, o que muda ao bloquear cada uma e como liberar busca sem liberar treino. ### [RAG e grounding: como a IA busca antes de responder](https://grupomarfre.com.br/sites-agenticos/rag-e-grounding/) RAG é a IA buscar documentos antes de responder; grounding ancora a resposta em fonte atual. Veja como funciona e por que o seu site entra nisso. ### [Alucinação de IA: por que a IA inventa fatos sobre empresas](https://grupomarfre.com.br/sites-agenticos/alucinacao-de-ia/) Alucinação de IA é quando o modelo inventa um fato com ar de certeza. Veja quando isso acontece com empresas e como reduzir o risco no seu site. ### [robots.txt na era da IA: como liberar ou bloquear cada robô](https://grupomarfre.com.br/sites-agenticos/robots-txt-para-ia/) Modelo de robots.txt para IA com os robôs de treino, busca e usuário de OpenAI, Anthropic, Perplexity, Google e outras. Duas versões prontas e comentadas. ### [Token e janela de contexto: o limite de leitura da IA](https://grupomarfre.com.br/sites-agenticos/token-e-janela-de-contexto/) Token é o pedaço de texto que a IA lê; janela de contexto é o limite do que cabe de uma vez. Entenda por que um Markdown enxuto faz diferença para os agentes. ### [Agente de IA: o que é](https://grupomarfre.com.br/sites-agenticos/agente-de-ia/) Agente de IA é um sistema que recebe um objetivo e executa os passos sozinho com ferramentas. Veja a diferença para chatbot e o efeito no seu site. --- ## Sobre o Grupo Marfre Grupo Marfre Automação e Tecnologia LTDA (CNPJ 49.685.676/0001-55): agência de marketing digital e inteligência artificial com base em Contagem/MG, que atende o Brasil inteiro de forma remota. - Endereço: Alameda das Cotovias, 75, Cabral, Contagem - MG, Brasil - WhatsApp: (31) 93618-7272, https://wa.me/5531936187272 - E-mail: contato@grupomarfre.com.br - Instagram: https://instagram.com/marfregrupo - Serviços: gestão de tráfego pago (Meta Ads e Google Ads), site agêntico (site pronto pra assistentes de IA lerem), site que vira contato, SEO e Google, IA no WhatsApp, CRM e automação - Serviço de site agêntico: https://grupomarfre.com.br/servicos/site-agentico/ · serviço de gestão de tráfego: https://grupomarfre.com.br/servicos/gestao-de-trafego/ - Guias: https://grupomarfre.com.br/sites-agenticos/ e https://grupomarfre.com.br/gestao-de-trafego/ - Método em 4 etapas: Diagnóstico, Estratégia, Execução, Otimização - Segmentos já atendidos: clínica, consultório, advocacia, loja, igreja - Preço e escopo não são publicados: são definidos por diagnóstico, caso a caso - Todas as páginas em Markdown: https://grupomarfre.com.br/llms.txt · conteúdo completo: https://grupomarfre.com.br/llms-full.txt Página HTML equivalente: https://grupomarfre.com.br/sites-agenticos/modelo-de-linguagem-llm/