Quando o ajuste fino supera a criação de instruções
Faça ajuste fino para tarefas específicas, formatos personalizados ou para reduzir instruções — não para ensinar fatos novos.
Quando o ajuste fino supera a criação de instruções é uma aula grátis de AI Agents no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AI Agents, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AI Agents inclui 4 aulas no total.
Primeiro, use instruções; depois, ajuste fino
Sempre esgote as possibilidades das instruções antes de recorrer ao ajuste fino:
- Uma instrução de sistema melhor
- Exemplos de poucos disparos
- Descrições melhores das ferramentas
- Um modelo melhor
- Saídas estruturadas / Pydantic
- RAG
- ... THEN ajuste fino
Quando o ajuste fino ajuda
- Formato ou estilo específico — sua linguagem de saída YAML personalizada
- Domínio restrito — medicina, direito, revisões de código
- Latência — instruções curtas (sem exemplos de poucos disparos) -> inferência mais rápida
- Custo — instruções mais curtas -> menos tokens cobrados
- Persona consistente — voz de personagem, tom da marca
Quando o ajuste fino prejudica
- Ensinar fatos — RAG é melhor. Modelos ajustados esquecem fatos
- Raciocínio geral — modelos de ponta já são excelentes
- Atualizações frequentes — o retreinamento é demorado
- Conjuntos de dados pequenos — menos de 100 exemplos raramente fazem diferença
Ajuste fino de modelos fechados
OpenAI e Anthropic oferecem APIs de ajuste fino:
# OpenAI:
client.fine_tuning.jobs.create(
training_file='file-abc',
model='gpt-4o-mini-2024-07-18'
)Ajuste fino de modelos abertos
Para Llama/Mistral/Qwen, você controla tudo. Ferramentas:
- Unsloth — mais rápido, com baixo uso de VRAM
- Axolotl — orientado por configuração e abrangente
- LLaMA-Factory — alternativa de uma equipe chinesa
- HuggingFace TRL — oficial e flexível
Ajuste fino completo versus PEFT
Duas abordagens:
- Completo — atualiza todos os pesos. É caro, pois exige muita VRAM.
- PEFT / LoRA — treina pequenas camadas adaptadoras. É 100 vezes mais barato e oferece qualidade semelhante para a maioria das tarefas.
Custo do ajuste fino (OpenAI)
Valores aproximados (meados de 2025):
- Treinamento: US$ 0,003 por 1 mil tokens
- Inferência no modelo ajustado: um pouco mais cara que no modelo base
- Dezenas de milhares de exemplos: custo total de treinamento de US$ 20 a 200
Custo do ajuste fino (hospedagem própria)
Uma hora em 8xH100: aproximadamente US$ 100 com a Lambda Labs. Um LoRA no Llama 70B com 10 mil amostras: aproximadamente US$ 50–150 no total.
Regra prática para o volume de dados
- 50 exemplos — úteis apenas para estilo ou formato
- 500 exemplos — melhorias significativas
- 5.000 ou mais exemplos — nova capacidade substancial
- 50.000 ou mais exemplos — retornos decrescentes em relação à qualidade do conjunto de dados
De onde vêm os dados?
- Rastros de produção (com correções)
- Geração sintética por um modelo mais forte
- Rotulagem humana
- Conjuntos de dados públicos
Decisão entre ajuste fino, RAG e instruções
| Objetivo | Melhor abordagem |
|---|---|
| Novos fatos | RAG |
| Novo formato | Ajuste fino (ou uma instrução forte) |
| novo estilo | Ajuste fino |
| Melhor raciocínio | Modelo mais forte |
| Menor custo ou latência | Modelo menor + ajuste fino |
Avaliação antes e depois
Sempre compare o modelo ajustado com o modelo-base usando o seu conjunto de avaliação YOUR. Às vezes, o ajuste piora o modelo — esteja preparado para descartá-lo.
Melhor motivo para fazer ajuste fino
Qual é o BEST motivo para fazer ajuste fino?
Recapitulação
Use primeiro um prompt; faça ajuste fino apenas por motivos específicos de formato, estilo ou domínio. Use PEFT/LoRA para reduzir custos. Sempre faça uma avaliação antes e depois.
Perguntas Frequentes
A aula “Quando o ajuste fino supera a criação de instruções” é grátis?
Sim — o texto completo de “Quando o ajuste fino supera a criação de instruções” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AI Agents, atualize para CoddyKit PRO. O curso de AI Agents inclui 4 aulas no total.
O que vou aprender em “Quando o ajuste fino supera a criação de instruções”?
Faça ajuste fino para tarefas específicas, formatos personalizados ou para reduzir instruções — não para ensinar fatos novos. Você pratica AI Agents com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar AI Agents?
Nenhuma experiência prévia é necessária. AI Agents no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “Quando o ajuste fino supera a criação de instruções”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de AI Agents?
Sim. Cada aula de AI Agents inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Quando o ajuste fino supera a criação de instruções
- Coleta de dados: trajetórias e reprodução de rastros
- LoRA e QLoRA para ajuste eficiente em custos
- Avaliação de modelos ajustados em comparação com a base