Title: Perguntas frequentes %E2%80%94 LLM EU
Canonical: https://llmeu.com/pt/learn/
Markdown mirror: https://llmeu.com/pt/learn.md
Machine-readable: https://llmeu.com/llms.txt (index) - https://llmeu.com/llms-full.txt (full catalogue) - https://llmeu.com/llms-catalogue.json

# Perguntas frequentes

## No%C3%A7%C3%B5es b%C3%A1sicas

### [O que %C3%A9 uma janela de contexto e o que %C3%A9 um token?](/pt/learn/context-window-and-tokens/)

Um token %C3%A9 um pequeno peda%C3%A7o de texto, aproximadamente um fragmento de palavra. Uma janela de contexto %C3%A9 o n%C3%BAmero m%C3%A1ximo de tokens que uma chamada pode conter: as instru%C3%A7%C3%B5es, a conversa at%C3%A9 ao momento, as passagens recuperadas e a resposta.

### [LLM vs IA: o que %C3%A9 um grande modelo de linguagem, o que %C3%A9 um llm base e o que %C3%A9 o Nemotron 3 Super?](/pt/learn/llm-vs-ai/)

A IA %C3%A9 o campo; um grande modelo de linguagem %C3%A9 um tipo de modelo dentro dele, um LLM de base continua texto em vez de seguir instru%C3%A7%C3%B5es, e o Nemotron 3 Super %C3%A9 uma mistura de especialistas de 123,6B.

### [O que %C3%A9 um LLM?](/pt/learn/what-is-an-llm/)

Um LLM %C3%A9 um programa treinado com grandes quantidades de texto para prever o token seguinte, um pequeno peda%C3%A7o de texto. Responde a partir dos seus pesos e do prompt que envia, e n%C3%A3o de uma base de dados que consulta.

## Recupera%C3%A7%C3%A3o

### [O que %C3%A9 um retriever de LLM e que modelo de embeddings multilingue devo usar?](/pt/learn/embeddings-and-vector-search/)

Um retriever junta um modelo de embeddings que transforma texto em vetores a um reranker que pontua passagens. O multilingual-e5-large %C3%A9 MIT com blocos de 512 tokens; o embeddinggemma-300m aceita 2048.

### [O que %C3%A9 o RAG?](/pt/learn/what-is-rag/)

O RAG %C3%A9 um pipeline, n%C3%A3o um modelo: a sua aplica%C3%A7%C3%A3o recupera passagens e o modelo responde a partir delas. S%C3%B3 a %C3%BAltima etapa %C3%A9 uma conclus%C3%A3o de chat; o embedding e a reordena%C3%A7%C3%A3o s%C3%A3o chamadas separadas.

## Alojamento

### [Como funcionam os LLM na UE?](/pt/learn/how-llms-run-in-the-eu/)

Um modelo %C3%A9 executado onde %C3%A9 executado um endpoint, e a linha regista a sua regi%C3%A3o e a sua classe. A resid%C3%AAncia %C3%A9 um filtro aplicado antes da pontua%C3%A7%C3%A3o: se nada a satisfizer, o pedido devolve 409 no_endpoint_for_policy.

### [Pesos abertos ou uma API: qual devo usar?](/pt/learn/open-weights-vs-api/)

Pesos abertos significam que os ficheiros s%C3%A3o descarreg%C3%A1veis; um endpoint significa que algu%C3%A9m os executa por si. Muitas implementa%C3%A7%C3%B5es europeias usam ambos: uma API para carga vari%C3%A1vel, um checkpoint auto-alojado para trabalho sens%C3%ADvel.

## Custo

### [Quanto custa uma chamada %C3%A0 API de um LLM e o que significam os n%C3%BAmeros dos benchmarks?](/pt/learn/llm-cost-and-pricing/)

Um pre%C3%A7o %C3%A9 lido da tarifa registada na linha de um endpoint, por milh%C3%A3o de tokens de entrada e de sa%C3%ADda, mais uma taxa vis%C3%ADvel por pedido. Uma linha sem tarifa registada %C3%A9 apresentada sem pre%C3%A7o.

## Licen%C3%A7as

### [Como funcionam as licen%C3%A7as de modelos abertos?](/pt/learn/llm-licences-explained/)

A licen%C3%A7a %C3%A9 um campo registado em cada cart%C3%A3o de modelo: um identificador SPDX e uma liga%C3%A7%C3%A3o para o texto. Pesos abertos significa que os pesos s%C3%A3o descarreg%C3%A1veis, n%C3%A3o que o uso comercial seja permitido.

## API

### [O que s%C3%A3o limites de taxa numa API de LLM?](/pt/learn/llm-rate-limits-explained/)

Um limite de taxa aqui %C3%A9 um teto por bucket numa janela fixa: 600 chamadas por chave e 1800 por organiza%C3%A7%C3%A3o a cada minuto, com no m%C3%A1ximo 8 pedidos em curso numa chave.

## Encaminhamento

### [Como funciona um router de LLM?](/pt/learn/llm-routing-explained/)

Um router transforma um pedido que n%C3%A3o nomeia nenhuma m%C3%A1quina na resposta de um endpoint. Uma fun%C3%A7%C3%A3o pura filtra os candidatos por pol%C3%ADtica e resid%C3%AAncia, pontua o que sobrevive e fica com a pontua%C3%A7%C3%A3o mais alta.