Prompt tradução e outros termos: dicionário inglês-português da IA

Prompt tradução: o que significa prompt em português?

• Pedido vago: "Escreva um e-mail pedindo um parecer."
• Pedido completo: diz para quem é o e-mail, o tom (formal), o assunto exato e por que a dúvida surgiu.

Teste em mais de um modelo. Você pode mandar o mesmo prompt para dois assistentes, por exemplo o ChatGPT (OpenAI) e o Claude (Anthropic), e comparar com os mesmos critérios: a resposta seguiu o pedido? Inventou algum dado? Ficou no tamanho certo? Ainda não publicamos aqui um teste lado a lado com respostas reais. Por isso, não dizemos qual deles responde melhor.

Qual é a tradução de chatbot?

O guia do Gov.br define chatbot como "aplicação de conversa que usa um modelo para dialogar com você" (Gov.br). Em português aparecem traduções como assistente virtual, agente conversacional ou "robô de conversa". O termo mais comum no uso profissional continua sendo chatbot.

Dois cuidados de vocabulário:

• Chatbot não é o modelo. O modelo é o sistema que gera o texto. O chatbot é o aplicativo onde você conversa com ele. O mesmo modelo pode estar em aplicativos diferentes.
• Agente é outra coisa. Neste site, agente é uma IA que executa tarefas usando ferramentas. Um chatbot só conversa.

Não encontramos fonte oficial atual com uma definição técnica de chatbot que permita comparar dois aplicativos específicos.

O que é token e quanto custa um token na IA?

Token é um pedaço de texto que o modelo processa. Pode ser uma palavra inteira, parte de uma palavra, uma pontuação ou um espaço.

Os preços de API por milhão de tokens mudam com frequência: veja a comparação de preços de API.

Preço não mede qualidade. Um modelo mais barato pode servir bem para uma tarefa e mal para outra. Compare para a sua tarefa. Quem usa só o aplicativo de conversa costuma pagar um plano mensal, não por token.

O que significam embedding e fine-tuning?

Embedding costuma ser traduzido como incorporação vetorial, mas no uso técnico muita gente diz só embedding. É uma lista de números que representa um texto, uma imagem ou outro objeto de um jeito que o modelo consegue usar (Runware Docs, 12 de novembro de 2026). Serve para medir semelhança, encontrar documentos e montar buscas por significado, não só por palavra exata.

Fine-tuning se traduz como ajuste fino. É continuar o treinamento de um modelo com exemplos específicos para que ele se adapte a uma tarefa ou a um formato. A OpenAI explica que os dados de ajuste fino são exemplos de como o modelo deve responder numa conversa (OpenAI Help Center, 13 de novembro de 2026).

A página de preços da OpenAI, atualizada em 13 de novembro de 2026, informa que o fine-tuning está sendo encerrado para novos usuários (OpenAI). A documentação do GPT-6 Luna diz que esse modelo não oferece fine-tuning nem embeddings (OpenAI). Não encontramos fonte oficial atual sobre como outras empresas oferecem ajuste fino hoje.

O que são harness, benchmark e deep learning?

Harness não tem tradução consolidada em português. Pense nele como tudo o que fica em volta do modelo para ele executar uma tarefa: as ferramentas que pode usar, as instruções, os arquivos e o contexto, a memória do que já fez, as regras e o jeito de corrigir erros. Por isso, harness não é sinônimo de modelo. Em português, aparecem termos como estrutura de execução ou ambiente de orquestração. Essa descrição vem do Harness-Bench, um preprint publicado em 15 de outubro de 2026 (alphaXiv).

Benchmark pode ser traduzido como teste de avaliação ou conjunto de testes. É um grupo de tarefas com um método de pontuação para comparar modelos. A nota não depende só do modelo: o prompt, as ferramentas e o harness também mudam o resultado. Um levantamento publicado em 13 de novembro de 2026 afirma que harnesses diferentes podem mudar resultados em 10–20 pontos percentuais (BenchLeader). Esse número ainda precisa de verificação de método antes de valer como regra geral.

Deep learning é aprendizado profundo. São métodos de aprendizado de máquina baseados em redes neurais com várias camadas. O termo também está na origem da palavra deepfake, que junta "deep" (de deep learning) e "fake" (falso) (STF).