Parameters
Os bilhões de números ajustados no treino. Tudo que o modelo sabe está guardado ali, e em nenhum outro lugar.
Onde você esbarra nisso
Quando você quer corrigir um erro específico do modelo e descobre que a única saída é dar a informação certa no contexto, toda vez. É por design, não é limitação da ferramenta que você escolheu.
Conecta com
O que é
Um modelo não é um programa cheio de regras escritas por alguém. É uma pilha enorme de números, e cada um deles foi empurrado um pouquinho pra cima ou pra baixo durante o treino.
Não existe uma gaveta com a capital da França dentro. O que existe é uma configuração de números que, dado o texto "a capital da França é", torna "Paris" a continuação mais provável. Conhecimento aqui é estatística de padrão, não registro em banco de dados.
O que muda pro teu negócio
Explica por que você não consegue "consertar" o que o modelo sabe. Não dá pra abrir e editar o campo errado, porque não tem campo.
E explica a diferença de preço entre modelos: mais parâmetros significa mais número pra percorrer a cada resposta, mais máquina, mais custo por token. Modelo pequeno não é uma versão capada por marketing, é literalmente menos conta sendo feita.
Fontes
Skill `claude-api` (cache 2026-06-24): os parâmetros vivem no hardware do fornecedor e ficam fixos durante a inferência.
AI Coding Dictionary, verbete "Parameters", Matt Pocock. Ele é direto no ponto que importa: tudo que o modelo sabe mora nos parâmetros, e o sinônimo pesos é a mesma coisa.