LLM e SLM são dois nomes usados para falar sobre modelos de linguagem com tamanhos e capacidades diferentes.

LLM é a sigla de Large Language Model, em português, Modelo Grande de Linguagem. SLM significa Small Language Model, ou Modelo Pequeno de Linguagem.

Os dois podem interpretar instruções, organizar informações e produzir textos. A principal diferença está no tamanho da estrutura e no tipo de tarefa para o qual cada modelo é mais adequado.

O que é uma LLM

Uma LLM é treinada com uma estrutura grande e costuma lidar melhor com tarefas variadas, perguntas abertas e instruções mais complexas.

Entre as famílias mais conhecidas estão GPT, da OpenAI, Claude, da Anthropic, Gemini, do Google, e Llama, da Meta.

Quando executados em infraestrutura própria, modelos grandes exigem mais memória e processamento. Em serviços de nuvem, como GPT, Claude e Gemini, essa infraestrutura é administrada pelo provider, e o impacto aparece principalmente no custo e nos limites de uso.

O que é uma SLM

Uma SLM possui uma estrutura menor e costuma ser escolhida para tarefas mais definidas. Pode classificar informações, extrair dados, criar resumos e executar rotinas específicas com menos recursos.

Entre os modelos pequenos que podem ser instalados em uma máquina própria estão Phi-3 Mini, da Microsoft, Gemma 2B, do Google, Qwen2.5 3B, da Alibaba, e versões compactas do IBM Granite. Em serviços de nuvem, GPT-5.4 mini e GPT-5.4 nano, da OpenAI, são exemplos de modelos pequenos voltados a tarefas que priorizam velocidade e custo.

Quando instalados em uma máquina própria, modelos menores exigem menos memória e podem funcionar em equipamentos mais acessíveis. Na nuvem, modelos compactos costumam responder mais rápido e custar menos. Isso não significa que sejam sempre melhores ou piores. O resultado depende da tarefa, dos dados e da configuração utilizada.

Uma comparação simples

Imagine uma equipe grande, preparada para lidar com situações muito diferentes. Ela representa uma LLM.

Agora imagine uma equipe menor, treinada para executar algumas atividades específicas com agilidade. Ela representa uma SLM.

A equipe maior possui mais possibilidades. A menor pode ser mais econômica e eficiente quando o trabalho está bem definido.

Como o tamanho é medido

O tamanho costuma ser apresentado pela quantidade de parâmetros do modelo. Eles não são pedaços de texto nem frases armazenadas. São pequenos ajustes internos aprendidos durante o treinamento. Juntos, ajudam o modelo a reconhecer padrões, entender o contexto e preparar uma resposta. É como ter milhões ou bilhões de pequenos controles trabalhando ao mesmo tempo.

Não existe um limite universal que determine exatamente onde termina uma SLM e começa uma LLM. Os termos ajudam a comparar modelos, mas tamanho sozinho não define qualidade.

Em resumo

LLMs são modelos maiores e mais abrangentes. SLMs são modelos menores e mais compactos. A melhor opção não é necessariamente a maior, mas aquela que atende bem à tarefa com o equilíbrio certo entre qualidade, velocidade e custo.