Fine tuning é a técnica de continuar o treinamento de um modelo de IA já pré-treinado com um conjunto de dados menor e específico, para especializá-lo em uma tarefa, domínio ou estilo. Este guia explica como o ajuste fino funciona, quanto custa, quando compensa frente a RAG e engenharia de prompt, e onde ele costuma dar errado. Como as plataformas comerciais mudaram bastante em 2026, os dados de mercado aqui foram checados em setembro de 2026.
Alguns números que resumem o estado da técnica:
- 71%: preferência de avaliadores humanos pelo InstructGPT de 1,3 bilhão de parâmetros contra o GPT-3 de 175 bilhões, em 2022, segundo a OpenAI.
- Até 10.000x menos parâmetros treináveis com LoRA frente ao ajuste completo do GPT-3 175B, no paper da Microsoft de 2021.
- Uma única GPU de 48GB bastou para ajustar um modelo de 65 bilhões de parâmetros com QLoRA, em 2023, segundo Dettmers e coautores.
- 10 exemplos é o mínimo aceito pela documentação de fine-tuning da OpenAI, verificada em 2026, com ganhos mensuráveis a partir de 50 a 100.
- 88% das organizações já usam IA em ao menos uma função de negócio em 2026, mas menos de 10% a escalaram por completo, segundo o AI Index de Stanford.
O que é fine tuning e para que ele serve em modelos de IA
Fine tuning (ajuste fino, também grafado fine-tuning) é o processo de continuar o treinamento de um modelo de IA já pré-treinado usando um conjunto de dados menor e específico, para especializá-lo em uma tarefa, domínio ou estilo. Em vez de construir uma rede neural do zero, você parte de um modelo que já aprendeu padrões gerais de linguagem ou imagem e o ajusta para o seu problema.
Segundo o glossário oficial da Anthropic, fine-tuning é “o processo de continuar treinando um modelo de linguagem pré-treinado usando dados adicionais”, fazendo o modelo representar os padrões do conjunto de ajuste.
A ideia vem do transfer learning (aprendizado por transferência), um conceito que antecede o deep learning e se firmou primeiro em visão computacional. A receita clássica tem duas etapas: pré-treinar em um volume enorme de dados genéricos para aprender representações gerais, e depois ajustar no domínio-alvo, reaproveitando esse conhecimento.
Dois marcos consolidaram esse paradigma em linguagem. O paper do BERT, publicado pelo Google em 2019, mostrou que um modelo pré-treinado podia ser ajustado com apenas uma camada de saída adicional e virar estado da arte em uma ampla gama de tarefas, com GLUE de 80,5 e F1 de 93,2 no SQuAD v1.1 na época. Já o GPT-3, em 2020, cristalizou a distinção que ainda organiza o debate: fine tuning atualiza os pesos do modelo, enquanto o aprendizado em contexto (exemplos no prompt) deixa os pesos intocados.
Para que serve, então? Três usos dominam:
- Especialização de domínio: vocabulário jurídico, médico ou financeiro que o modelo genérico trata de forma superficial.
- Estilo e tom persistentes: a voz da sua marca em toda resposta, sem depender de instruções longas no prompt.
- Formato de saída confiável: JSON válido, laudos padronizados, classificações com rótulos fixos.
Há um quarto uso, menos visível e mais importante: modelos pré-treinados não sabem, por si sós, seguir instruções ou responder perguntas de forma útil. Foi o ajuste fino (combinado com RLHF) que transformou preditores de próxima palavra em assistentes. Todo chat de IA que você usa hoje passou por isso.
Como o fine tuning funciona na prática: dados, treinamento e avaliação
Na prática, o fine tuning percorre três etapas: preparar um conjunto de exemplos da tarefa, atualizar os pesos do modelo por gradiente descendente sobre esses exemplos e avaliar o resultado contra uma referência. O pré-treinamento costuma ser não supervisionado (prever a próxima palavra em texto bruto). O ajuste fino, ao contrário, quase sempre usa dados rotulados: pares de entrada e saída desejada que mostram ao modelo exatamente o comportamento esperado.
Quanto dado é preciso? Menos do que a maioria imagina. A documentação de fine-tuning supervisionado da OpenAI, verificada em 2026, aceita um mínimo de 10 exemplos e aponta melhorias mensuráveis a partir de 50 a 100. O que ninguém conta até você tentar: a curadoria desses exemplos consome muito mais tempo de projeto do que o treino em si. Nos projetos de fine-tuning de LLMs que a AlphaCorp AI entrega, cinquenta exemplos limpos e consistentes batem quinhentos exemplos contraditórios com folga. O treino roda em horas. A limpeza leva dias.
Durante o treinamento, o modelo processa cada exemplo, mede o erro entre a resposta gerada e a esperada, e ajusta os pesos na direção que reduz esse erro. Repete até convergir. Depois vem a etapa que separa projetos sérios de experimentos: avaliar em um conjunto de validação que o modelo nunca viu, comparando contra o modelo base na mesma tarefa.
O exemplo canônico desse pipeline é o InstructGPT, da OpenAI (Ouyang et al., 2022), que combinou três fases:
- SFT (fine-tuning supervisionado): treino em exemplos de seguir instruções escritos por humanos.
- Modelo de recompensa: humanos ranqueiam respostas alternativas, e um segundo modelo aprende essas preferências.
- RLHF via PPO: o modelo principal é otimizado para maximizar a recompensa aprendida.
O resultado, em 2022, foi eloquente: avaliadores humanos preferiram o InstructGPT de 1,3 bilhão de parâmetros em 71% dos casos frente ao GPT-3 de 175 bilhões. Um modelo 100 vezes menor, bem ajustado, venceu o gigante genérico. Esse mesmo pipeline sustentou o ChatGPT, lançado em novembro de 2022.
Tipos de fine tuning: completo, LoRA, QLoRA e ajuste por instruções
Os quatro tipos principais de fine tuning são o ajuste completo (full fine-tuning), LoRA, QLoRA e o ajuste por instruções, e o que os separa é quantos parâmetros do modelo são atualizados e a que custo computacional. Os números abaixo vêm dos papers originais, de 2021 a 2023, e valem como marcos técnicos fundacionais em vez de benchmarks atuais.
| Método | O que atualiza | Marco documentado |
|---|---|---|
| Full fine-tuning | Todos os pesos da rede | Paradigma do BERT (2019); caro em memória e computação |
| LoRA | Matrizes de baixo posto injetadas; base congelada | Até 10.000x menos parâmetros treináveis e 3x menos memória de GPU vs. ajuste completo do GPT-3 175B (2021) |
| QLoRA | Adaptadores LoRA sobre base quantizada em 4 bits | Modelo de 65B ajustado em uma única GPU de 48GB (2023) |
| Instruction tuning | Pesos (via SFT, geralmente com RLHF depois) | Base do InstructGPT (2022) e dos assistentes de chat |
Full fine-tuning atualiza tudo. Funciona, e segue sendo a referência de qualidade, mas ficou proibitivo conforme os modelos passaram de dezenas de bilhões de parâmetros: exige memória, GPUs e dados em escala que poucos times têm.
Essa pressão criou o PEFT (Parameter-Efficient Fine-Tuning), família de técnicas que congela a maior parte do modelo e treina só uma fração mínima. O LoRA, proposto por pesquisadores da Microsoft em 2021, é o representante mais usado: congela os pesos originais e injeta pequenas matrizes de decomposição de baixo posto em cada camada do Transformer. Comparado ao ajuste completo do GPT-3 175B, reduziu os parâmetros treináveis em até 10.000 vezes e a memória de GPU em 3 vezes.
O QLoRA, publicado por Dettmers e coautores em 2023, foi além: quantizou o modelo base em 4 bits (formato NF4) antes de aplicar os adaptadores. Resultado da época: um modelo de 65 bilhões de parâmetros ajustado em uma única GPU de 48GB, e o modelo derivado (Guanaco) alcançou 99,3% do desempenho do ChatGPT no benchmark Vicuna após 24 horas de treino em uma GPU.
O ajuste por instruções é menos um método rival e mais um tipo de dado: exemplos de instrução e resposta que ensinam o modelo a obedecer pedidos, tipicamente via SFT seguido de RLHF.
Surveys acadêmicas de 2024 e 2025 (incluindo a PEFT A2Z, de abril de 2025) confirmam o que a prática já mostrava: PEFT virou o padrão dominante em linguagem e visão. Na dúvida, comece por LoRA.
Fine tuning, RAG ou engenharia de prompt: quando usar cada abordagem
Use engenharia de prompt para instruções pontuais, RAG quando falta conhecimento ao modelo, e fine tuning quando você precisa mudar o comportamento dele de forma permanente. As três abordagens personalizam um modelo em camadas diferentes, e confundi-las é a fonte mais comum de dinheiro desperdiçado em projetos de IA.
A engenharia de prompt molda o comportamento apenas pela formulação da entrada. Nenhum peso muda. É a opção mais rápida e barata de testar, e resolve mais problemas do que os times esperam.
O RAG (retrieval-augmented generation) injeta conhecimento externo em tempo de execução. O glossário da Anthropic o descreve como uma técnica que permite ao modelo “acessar e usar informações além dos dados de treinamento, reduzindo a dependência de memorização e melhorando a precisão factual”. Documentos internos, políticas que mudam toda semana, catálogos de produto: tudo isso pertence ao RAG, porque reajustar pesos a cada atualização seria absurdo.
O fine tuning grava o aprendizado nos próprios pesos. Ele muda como o modelo responde: tom, formato, obediência a convenções de domínio. E a mudança persiste em toda chamada, sem gastar tokens de prompt repetindo instruções.
| Abordagem | O que muda | Melhor para | Custo de iteração |
|---|---|---|---|
| Engenharia de prompt | Só a entrada | Instruções, exemplos pontuais, protótipos | Minutos |
| RAG | Contexto em runtime | Conhecimento atualizado ou proprietário | Horas (indexação) |
| Fine tuning | Os pesos do modelo | Comportamento, estilo e formato persistentes | Dias (dados + treino) |
A progressão recomendada por praticantes segue a ordem de custo: comece pelo prompt, avance para RAG quando o problema for falta de conhecimento, e reserve o fine tuning para quando o objetivo for comportamento consistente. É a etapa mais cara de iterar e a mais aplicada cedo demais.
E elas se combinam. O arranjo que mais vemos funcionar em produção, inclusive nos pipelines de RAG que construímos na AlphaCorp AI: RAG cuida da precisão factual, fine tuning garante formato e tom. Um recupera os fatos. O outro decide como apresentá-los.
Quanto custa fazer fine tuning de um modelo?
O custo de um fine tuning se divide em quatro frentes: computação (GPU), preparação de dados, tempo de iteração e a inferência do modelo ajustado depois de pronto. A boa notícia de 2026 é que a primeira frente despencou. As outras três surpreendem quem só orçou a primeira.
Na computação, a diferença entre métodos é brutal. O full fine-tuning de um modelo grande exige clusters de GPUs e memória em escala de laboratório. As técnicas PEFT derrubaram essa barreira: o LoRA cortou a memória de GPU em 3 vezes e os parâmetros treináveis em até 10.000 vezes frente ao ajuste completo do GPT-3 175B, segundo o paper de 2021. O QLoRA, de Dettmers e coautores (2023), foi mais longe: um modelo de 65 bilhões de parâmetros ajustado em uma única GPU de 48GB, com 24 horas de treino. Em valores de aluguel de nuvem, isso transforma um projeto de seis dígitos em um experimento de centenas de dólares.
Os dados são o custo escondido. Escrever, revisar e padronizar exemplos exige gente que entende do domínio, e hora de especialista custa mais que hora de GPU. Um dataset contraditório gera um modelo contraditório, e aí você paga o treino duas vezes.
O tempo de iteração também entra na conta. Cada hipótese testada num prompt leva minutos. No fine tuning, cada rodada de “ajustar dados, treinar, avaliar” leva dias de calendário, mesmo quando o treino em si roda em horas.
Por fim, a inferência. Um modelo aberto pequeno e bem ajustado costuma sair mais barato por chamada do que um modelo gigante genérico, e adaptadores LoRA quase não pesam no serving. Em volume alto, essa economia recorrente é o que costuma pagar o projeto inteiro.
Quando vale a pena fazer fine tune do seu modelo (e quando não vale)
Vale a pena fazer fine tune quando você precisa de comportamento, formato ou tom consistentes em uma tarefa estreita e de alto volume. Não vale quando o problema é conhecimento desatualizado, quando faltam dados de qualidade ou quando um prompt bem escrito ainda não foi tentado a sério.
A evidência clássica de que o ajuste compensa segue sendo o InstructGPT: em 2022, avaliadores humanos preferiram o modelo ajustado de 1,3 bilhão de parâmetros em 71% dos casos contra o GPT-3 de 175 bilhões. Especialização venceu escala por duas ordens de grandeza. Para uma tarefa bem definida, um modelo pequeno e ajustado é frequentemente a resposta certa.
Sinais de que o fine tuning compensa:
- A mesma tarefa se repete milhares de vezes por dia, com formato de saída rígido.
- O prompt já cresceu para páginas de instruções e exemplos, e ainda escorrega.
- O tom da marca precisa aparecer em toda resposta, sem exceção.
- Você tem (ou consegue produzir) dezenas a centenas de exemplos limpos e consistentes.
Sinais de que não compensa:
- O que falta ao modelo é informação recente ou proprietária. Isso é caso de RAG.
- Você tem menos de dez exemplos confiáveis, ou exemplos que se contradizem.
- Ninguém mediu ainda o que prompt e RAG entregam sozinhos na sua tarefa.
O contexto de adoção reforça a cautela. O AI Index 2026 de Stanford mostra 88% das organizações usando IA em ao menos uma função de negócio, mas menos de 10% com IA totalmente escalada em qualquer função. E 74% dos respondentes de 2026 apontam imprecisão e alucinação como o principal risco, alta de 14 pontos em um ano. É exatamente esse tipo de erro de domínio que empresas tentam reduzir com fine tuning e RAG. A pergunta honesta antes de treinar qualquer coisa: você quer que o modelo saiba mais, ou que se comporte melhor? Só a segunda resposta justifica mexer nos pesos.
Quando o fine tuning dá errado: overfitting, esquecimento catastrófico e vazamento de dados
O fine tuning dá errado de três formas principais: o modelo decora os exemplos em vez de aprender (overfitting), perde capacidades que tinha antes (esquecimento catastrófico) ou absorve dados maliciosos que viram porta de entrada para ataques. Nenhum desses riscos é teórico. Todos têm literatura e casos documentados.
Comece pelo menos óbvio: ajustar demais piora o resultado. Um estudo publicado no Journal of Personalized Medicine em novembro de 2020, sobre triagem de COVID-19 em radiografias de tórax, obteve o melhor desempenho (AUC de 0,950 e acurácia de 95,9%) ajustando apenas 2 dos 5 blocos convolucionais da VGG16. Passar de 3 blocos derrubava a acurácia. A lição vale além da imagem médica: o grau de ajuste é um hiperparâmetro a ser calibrado, e o instinto de “treinar mais” costuma trair.
O esquecimento catastrófico é o segundo modo de falha. Redes armazenam conhecimento em padrões distribuídos por muitos pesos, e o gradiente do fine tuning pode sobrescrever regiões que codificavam capacidades anteriores. Foi o que a pesquisa de 2024 sobre leis de escala do esquecimento em LLMs formalizou. As mitigações conhecidas:
- Regularização: técnicas como Elastic Weight Consolidation, que protegem pesos importantes para tarefas antigas.
- Rehearsal: misturar amostras das tarefas anteriores ao novo conjunto de treino.
- Arquitetura: isolar o novo aprendizado em módulos dedicados, como os próprios adaptadores LoRA.
Depois vem a segurança, e aqui o cenário é pior do que parece. O OWASP Gen AI Security Project classifica data and model poisoning como risco crítico (LLM04, edição 2025): dados de ajuste manipulados podem plantar backdoors e vieses. O fine tuning é um alvo atraente justamente porque os datasets são pequenos, então corromper alguns milhares de exemplos basta. Adaptadores LoRA baixados de repositórios públicos são um vetor de cadeia de suprimentos documentado, na técnica batizada de PoisonGPT.
Há ainda o risco de conformidade. Sob o AI Act europeu, segundo diretrizes da Comissão Europeia de 2025, quem ajusta um modelo de propósito geral vira “provedor” com obrigações próprias se a modificação usar mais de um terço do cômputo original, cerca de 3 × 10²¹ FLOPs. A maioria dos ajustes corporativos fica bem abaixo disso. Mas verifique antes, por escrito.
Ferramentas e plataformas para fine tuning em 2026
As principais plataformas de fine tuning em 2026 são OpenAI (em retirada gradual do self-service), Claude via Amazon Bedrock, Google Vertex AI, os modelos abertos Llama da Meta e o ecossistema Hugging Face. O quadro mudou bastante neste ano, e a mudança mais notável vem da OpenAI.
| Plataforma | Status em setembro de 2026 | Escopo |
|---|---|---|
| OpenAI | Encerrando o self-service para novos usuários | SFT e DPO em gpt-4.1, gpt-4.1-mini e nano; visão no gpt-4o-2024-08-06; RFT no o4-mini |
| Anthropic (Claude) | Sem fine tuning self-service na API | Claude 3 Haiku ajustável no Amazon Bedrock (GA desde novembro de 2024) |
| Google Vertex AI | Serviço totalmente gerenciado | Gemini: texto, documentos, imagem, áudio, vídeo e function calling |
| Meta Llama | Pesos abertos, faça onde quiser | LoRA, QLoRA e ajuste por reforço documentados oficialmente |
| Hugging Face | Biblioteca open source | API Trainer padronizada para milhares de modelos |
A OpenAI está desligando aos poucos sua plataforma de fine tuning para novos usuários, conforme a documentação oficial verificada em 2026. Usuários existentes ainda criam jobs de treino, e modelos já ajustados seguem servindo inferência até os modelos-base saírem de linha. Detalhe que pega muita gente de surpresa: a família GPT-5.4 não está disponível para ajuste.
A Anthropic não oferece fine tuning self-service na API do Claude. O caminho é o Amazon Bedrock, onde o ajuste do Claude 3 Haiku está em disponibilidade geral desde novembro de 2024, como único serviço gerenciado para modelos Claude. Casos maiores passam por parceria corporativa direta.
O Google Vertex AI segue na direção oposta: ajuste supervisionado de modelos Gemini como serviço totalmente gerenciado, cobrindo texto, documentos, imagens, áudio, vídeo e chamadas de função, sem provisionar GPU nenhuma.
E o mundo aberto? A Meta documenta oficialmente LoRA, QLoRA e ajuste por reforço para os Llama, que você roda na infraestrutura que quiser. A biblioteca transformers da Hugging Face fecha o circuito com a API Trainer, que exige muito menos dados e computação do que treinar do zero. Para quem quer controle total sobre pesos e dados, essa dupla é o padrão de fato em 2026.
Perguntas frequentes sobre fine tuning
As dúvidas mais buscadas sobre fine tuning envolvem grafia, quantidade de dados, diferença para o treinamento do zero e o que dá para ajustar nas plataformas comerciais. Respostas diretas abaixo.
Qual a diferença entre fine tuning e treinamento do zero?
Treinar do zero constrói todos os pesos de um modelo a partir de dados brutos, o que exige volumes enormes de dados e computação. Fine tuning parte de um modelo pré-treinado e só continua o treino com um conjunto pequeno e específico. Por reaproveitar o conhecimento geral já aprendido, chega a bons resultados com uma fração mínima do custo.
Fine tuning ou fine tunning: como se escreve?
A grafia correta é fine tuning (ou fine-tuning, com hífen). “Fine tunning”, com dois enes, é um erro de digitação comum em buscas em português. Em português, o termo equivalente é ajuste fino, e o verbo em inglês é fine tune.
Quantos dados preciso para fazer fine tuning?
Menos do que parece: a documentação da OpenAI, verificada em 2026, aceita a partir de 10 exemplos e indica melhorias mensuráveis com 50 a 100. Qualidade pesa mais que volume. Dezenas de exemplos limpos e consistentes superam centenas de exemplos contraditórios, e a curadoria costuma consumir mais tempo de projeto do que o treino.
Fine tuning deixa o modelo mais inteligente?
Em geral, ele deixa o modelo mais especializado, o que é diferente. O ajuste muda comportamento, estilo e formato em uma tarefa específica, e pode até degradar capacidades gerais via esquecimento catastrófico. A evidência do InstructGPT em 2022 mostra o ganho real: um modelo de 1,3 bilhão de parâmetros bem ajustado foi preferido por humanos em 71% dos casos contra o GPT-3 de 175 bilhões, na tarefa de seguir instruções.
É possível fazer fine tuning do ChatGPT ou do Claude?
Parcialmente. Em 2026 a OpenAI está encerrando o fine tuning self-service para novos usuários, mantendo os jobs de usuários existentes em modelos como gpt-4.1. A API do Claude não oferece ajuste direto; o caminho gerenciado é o Claude 3 Haiku no Amazon Bedrock. Para controle total, a alternativa são modelos abertos como o Llama.
Fine tuning substitui o RAG?
Não substitui, porque cada um resolve um problema diferente. RAG injeta conhecimento atualizado ou proprietário em tempo de execução; fine tuning grava comportamento, tom e formato nos pesos. Em produção, a combinação dos dois é o arranjo mais comum: um garante os fatos, o outro garante a forma da resposta.
Por onde começar seu primeiro projeto de fine tuning
Comece pelo caminho mais barato: prompt primeiro, RAG se faltar conhecimento, e fine tuning só quando o comportamento ainda escorregar. Essa sequência filtra a maioria dos projetos antes que eles queimem orçamento em treino desnecessário.
Se o fine tuning sobreviver a esse filtro, o primeiro experimento não precisa ser caro. LoRA ou QLoRA em um modelo aberto como o Llama, ou um serviço gerenciado como o Vertex AI, resolve para validar a hipótese. Um dia de treino. Dias de curadoria antes disso.
O checklist mínimo antes de rodar qualquer job:
- Defina a métrica de sucesso antes de tocar em dados: o que o modelo base erra hoje, medido em números.
- Monte 50 a 100 exemplos limpos, revisados por quem entende do domínio, sem contradições entre si.
- Separe um conjunto de validação que o modelo nunca verá no treino.
- Compare contra o modelo base na mesma tarefa, com os mesmos casos de teste.
- Verifique capacidades gerais depois do ajuste, para flagrar esquecimento cedo.
Se o modelo ajustado não bater o base com folga clara, o problema costuma estar nos dados. Volte a eles.
E se preferir não aprender tudo isso no projeto que paga as contas, a equipe da AlphaCorp AI faz esse ciclo de ponta a ponta, do diagnóstico à produção. O ajuste fino certo, na hora certa, transforma um modelo genérico no especialista que a sua operação precisava desde o início.
