Parâmetro e hiperparâmetro: o que a máquina aprende e o que você escolhe

**Parâmetro** é o valor que o modelo *aprende* durante o treino; **hiperparâmetro** é o valor que alguém *escolhe antes* de treinar. A distinção parece técnica e é, na verdade, uma separação entre o que a máquina descobre e o que uma pessoa decidiu. Um exemplo concreto de documentação oficial: os **405 bilhões de parâmetros** do maior modelo Llama 3 foram aprendidos a partir dos [dados](https://clubmartech.com.br/blog/dados-transformar-volume-acionavel/) — mas as **126 camadas** da arquitetura e a taxa de aprendizado usada no treino foram escolhas humanas, feitas antes. E não são escolhas triviais: no mesmo trabalho, a taxa de aprendizado varia conforme a escala do modelo — **3×10⁻⁴ para a versão de 8 bilhões e 8×10⁻⁵ para a de 405 bilhões**. Mesma arquitetura, decisões diferentes conforme a escala — e essas escolhas pesam mais no resultado do que a maioria dos materiais admite.## ⚠️ Hiperparâmetro não é detalhe de ajuste finoExiste um trabalho clássico de 2012 que mudou a prática da área e cujo achado explica por que essa escolha pesa tanto. Comparando duas [estratégias](https://clubmartech.com.br/blog/estrategias-deploy-[ia](https://clubmartech.com.br/blog/ia-marketing-vendas-inteligentes/)-segura/) de busca — testar todas as combinações numa grade regular contra **sortear combinações aleatoriamente** —, os autores mostraram que a busca aleatória encontra modelos **tão bons ou melhores numa fração pequena do tempo de computação**.A explicação é o que interessa: analisando os resultados, eles descobriram que, na maioria dos conjuntos de dados, **apenas alguns poucos hiperparâmetros realmente importam** — e **quais deles importam muda de um conjunto para outro**.É por isso que a busca em grade desperdiça: ela testa exaustivamente eixos que não fazem diferença naquele caso, enquanto a aleatória explora mais valores dos eixos que fazem. E é por isso que **não existe receita transferível** de configuração — a que funcionou no problema do vizinho pode ser irrelevante no seu.## O que isso muda na práticaPara quem consome [IA](https://clubmartech.com.br/blog/ia-marketing-vendas-inteligentes/) por API, os hiperparâmetros do treino são invisíveis — mas alguns chegam até você com outro nome. **

é um hiperparâmetro de geração**, escolhido por quem opera, não aprendido pelo modelo.Para quem constrói modelo próprio — propensão, churn, score de [lead](https://clubmartech.com.br/blog/lead-scoring-[crm](https://clubmartech.com.br/significado/crm/)-negocios/) —, três consequências:

• **Reserve orçamento para a busca.** Não é polimento final: é parte do trabalho, e a [estratégia](https://clubmartech.com.br/blog/estrategia-precificacao-product-resultado/) de busca muda o resultado com o mesmo custo computacional.
• **Prefira busca aleatória a grade.** Com o mesmo número de tentativas, ela cobre melhor o espaço que importa — conclusão sustentada por evidência empírica e teórica.
• **Registre a configuração junto do modelo.** [Sem](https://clubmartech.com.br/blog/sem-avancado-estrategia-roi/) isso, o modelo não é reproduzível — e é exatamente o que um model registry existe para guardar.

E um cuidado ao ler material comercial: **número de parâmetros anunciado não é medida de qualidade** — o assunto está detalhado em

, onde a própria lei de escala que sustentava esse raciocínio foi auditada e corrigida.## Fontes

• Random Search for Hyper-Parameter Optimization — Bergstra e Bengio, JMLR 2012
• The Llama 3 Herd of Models — tabela de hiperparâmetros por escala

*Leitura das fontes em 17/08/2026.*