Ce este un LLM: cum funcționează un model mare de limbaj

LLM vine din engleză, de la Large Language Model, adică „model mare de limbaj”. Este un program de inteligență artificială antrenat pe cantități uriașe de text, care primește o întrebare scrisă în limbaj obișnuit și construiește răspunsul bucată cu bucată, alegând de fiecare dată continuarea cea mai probabilă. ChatGPT, Gemini, Claude și Copilot sunt aplicații construite pe astfel de modele.

Termenul apare peste tot de când asistenții AI au intrat în munca de zi cu zi: în știri, în ofertele firmelor de software și în discuțiile despre Google. De cele mai multe ori e folosit fără explicații, ca și cum toată lumea ar ști ce înseamnă. Așa ajung oamenii să caute pe Google „llm ce înseamnă”, iar asistenților AI le pun întrebări ca „care e diferența dintre un LLM și ChatGPT” sau „un LLM chiar știe lucrurile pe care le spune sau doar le inventează?”.

Articolul explică, pe înțelesul oricui, ce este un LLM, cum funcționează și cum este antrenat, apoi unde te poți baza pe el și unde nu. Ultima parte arată ce legătură au aceste modele cu vizibilitatea unui site, pentru că tot mai multe căutări primesc acum un răspuns scris de un LLM, nu doar o listă de linkuri.

Ce este un LLM

Un LLM este un model de limbaj de dimensiuni foarte mari. „Model” înseamnă, aici, un program care a învățat din exemple, nu unul în care cineva a scris reguli una câte una. „De limbaj” arată materialul din care învață și pe care îl produce: textul. „Mare” se referă la două lucruri: la cantitatea de text folosită la antrenare și la numărul de parametri ai modelului.

Parametrii sunt valorile numerice pe care modelul și le ajustează în timpul antrenării. Ei păstrează, sub formă de numere, tot ce a „reținut” modelul despre limbă și despre lume. Ca ordin de mărime, GPT-3, modelul prezentat de OpenAI în 2020, avea 175 de miliarde de parametri (Sursa). Modelele de azi au, în general, și mai mulți, iar multe companii nu le mai publică dimensiunea.

Ce înseamnă LLM în alte domenii

Dacă ai dat peste termen într-un CV sau pe site-ul unei facultăți de drept, probabil nu este vorba de inteligență artificială. LL.M. (cu puncte) vine din latină, de la Legum Magister, și este denumirea unei diplome de master în drept, oferită de multe universități, mai ales din spațiul anglo-saxon. Un avocat care scrie „LL.M.” după nume are un astfel de master.

Contextul lămurește aproape întotdeauna sensul. În tehnologie, marketing sau SEO, LLM înseamnă model mare de limbaj, iar restul articolului se referă la acest sens.

Cum funcționează un LLM

Pe scurt, un LLM prezice ce urmează într-un text. Primește tot ce s-a scris până acum în conversație, calculează ce bucată de text are cele mai mari șanse să urmeze, o adaugă și repetă pasul până când răspunsul este complet. Faptul că rezultatul pare scris de un om vine din cât de bine a învățat modelul tiparele limbii, nu dintr-o bază de date cu răspunsuri gata pregătite.

Textul este împărțit în tokeni

Modelul nu citește litere și nici cuvinte întregi, ci tokeni: bucăți de text care pot fi un cuvânt scurt, o parte dintr-un cuvânt sau un semn de punctuație. Google, de exemplu, estimează pentru modelele Gemini că un token are în medie aproximativ 4 caractere, iar 100 de tokeni înseamnă cam 60-80 de cuvinte în engleză (Sursa). În română, cu diacritice și cuvinte flexionate, același text se împarte de obicei în mai mulți tokeni. Detaliul contează pentru că atât limitele de lungime, cât și prețul folosirii unui model prin API se calculează în tokeni.

Modelul alege următorul token

La fiecare pas, modelul calculează o probabilitate pentru fiecare token posibil. Dacă textul de până acum este „Capitala României este”, continuarea „București” are o probabilitate foarte mare. Modelul nu caută răspunsul într-o listă, ci îl deduce din tiparele învățate din milioane de texte în care cele două noțiuni apar împreună. În plus, nu alege mereu varianta cu cea mai mare probabilitate, ci păstrează o mică doză de variație. De aceea, aceeași întrebare primește, de la o încercare la alta, răspunsuri formulate diferit.

Arhitectura transformer

Aproape toate LLM-urile actuale se bazează pe transformer, o arhitectură de rețea neuronală descrisă în 2017 de o echipă de cercetători de la Google, în lucrarea „Attention Is All You Need” (Sursa). Elementul ei central este mecanismul de atenție: când procesează un cuvânt, modelul cântărește cât de mult contează pentru el fiecare dintre celelalte cuvinte din text. Așa poate stabili că, în fraza „am pus laptopul pe masă pentru că era greu”, „greu” se referă la laptop, nu la masă. Litera T din GPT vine chiar de la transformer.

Fereastra de context

Fereastra de context este cantitatea maximă de text pe care modelul o poate lua în calcul o dată: întrebarea ta, mesajele anterioare din conversație, documentele încărcate și răspunsul pe care îl scrie. Tot ce iese din fereastră este, practic, uitat. De aceea, într-o conversație foarte lungă, un asistent AI poate pierde din vedere ce i-ai cerut la început.

Cum este antrenat un model mare de limbaj

De la un model nou până la asistentul cu care vorbești sunt, de regulă, mai multe etape de antrenare:

1. Preantrenarea

   Modelul primește cantități uriașe de text, din pagini web publice, cărți, articole sau cod, și învață să prezică următorul token. În această fază capătă cunoștințele generale și stăpânirea limbii, dar încă nu știe să urmeze instrucțiuni.

2. Ajustarea pe instrucțiuni

   Modelul este antrenat în continuare pe exemple de întrebări și răspunsuri bune, scrise sau verificate de oameni. Așa învață să răspundă la cerere, nu doar să continue textul primit.

3. Învățarea din feedback uman

   Evaluatori umani compară mai multe răspunsuri la aceeași întrebare și le ordonează de la cel mai bun la cel mai slab, iar modelul este ajustat după aceste preferințe. Metoda, numită RLHF, a fost descrisă de OpenAI în 2022, iar în testele lor, oamenii au preferat răspunsurile unui model ajustat astfel, de 100 de ori mai mic, celor ale lui GPT-3 (Sursa).

4. Testarea și limitele de siguranță

   Înainte de lansare, modelul este testat pe sarcini de raționament, scriere, cod și siguranță, iar compania stabilește ce tipuri de cereri refuză.

Antrenarea unui model mare poate dura luni întregi și cere mii de procesoare specializate, de aceea doar câteva companii din lume construiesc modele mari de la zero. Majoritatea aplicațiilor AI pe care le vezi folosesc modelele acestor companii, accesate prin API sau adaptate pentru un anumit scop.

LLM, ChatGPT, chatbot și inteligență artificială: care e diferența

Cei patru termeni sunt folosiți des ca sinonime, deși descriu lucruri diferite. Cea mai simplă comparație: LLM-ul este motorul, iar ChatGPT este mașina construită în jurul lui.

Diferența are efecte practice. Același LLM poate da rezultate diferite în două aplicații, pentru că fiecare aplicație îi dă alte instrucțiuni și alt acces la informații. Un asistent care poate căuta pe internet răspunde altfel decât unul care se bazează doar pe ce a învățat la antrenare.

Exemple de LLM-uri cunoscute

Modelele se schimbă de la o lună la alta, așa că e mai util să cunoști familiile de modele și companiile din spatele lor decât numele exacte ale versiunilor:

Unele modele sunt închise: le poți folosi doar prin aplicația sau API-ul companiei. Altele, ca Llama sau o parte din modelele Mistral, sunt publicate cu ponderi deschise, adică oricine le poate descărca, rula pe propriile servere și adapta. Pe această bază, o echipă de cercetători din România a publicat în 2024 modele adaptate pentru limba română, împreună cu datele și testele folosite (Sursa). Echipa a făcut asta pentru că majoritatea textelor de antrenare sunt în engleză, iar modelele generale se descurcă, de regulă, mai bine în engleză decât în română.

La ce folosește un LLM într-o firmă

Un LLM este bun la sarcinile în care lucrezi cu text și în care rezultatul poate fi verificat de un om. Câteva exemple obișnuite:

Rezultatele cele mai bune apar când îi dai modelului context: cui îi scrii, ce vrei să obții, ce informații sunt sigure. O cerere vagă primește un răspuns general, pe care îl rescrii aproape complet.

Ce nu poate face un LLM

Poate inventa informații

Un LLM poate da un răspuns care sună convingător, dar este greșit: o cifră inexistentă, un studiu care nu a fost publicat, o lege citată greșit. Fenomenul se numește halucinație. O lucrare publicată în 2025 de cercetători de la OpenAI și Georgia Tech explică de ce apare: modelele sunt antrenate și evaluate în moduri care recompensează ghicitul mai mult decât recunoașterea faptului că nu știu răspunsul (Sursa). Practic, orice informație importantă dintr-un răspuns AI trebuie verificată la sursă.

Cunoștințele lui se opresc la o anumită dată

Ce a învățat modelul la antrenare se oprește la o dată-limită. Fără acces la internet, un LLM nu știe ce s-a întâmplat după acea dată: un preț nou, o lege modificată, o firmă care s-a mutat. Asistenții care caută pe web compensează această limită, dar doar pentru întrebările la care chiar fac o căutare.

Nu verifică singur ce spune

Modelul nu are o noțiune proprie de adevăr. Produce textul cel mai plauzibil pentru contextul primit. Dacă întrebarea pornește de la o premisă falsă, de exemplu „de ce a interzis Google cuvintele-cheie în titluri?”, un model poate construi un răspuns în jurul ei în loc s-o corecteze. Modelele recente fac asta mai rar, dar nu au scăpat complet de problemă.

Cum ajung LLM-urile să citeze site-uri

Când un asistent AI răspunde cu linkuri spre surse, nu le scoate din memorie. Întâi caută pe web paginile potrivite pentru întrebare, le citește, apoi scrie răspunsul pe baza lor. Metoda se numește RAG (Retrieval-Augmented Generation, adică generare pe baza unor informații căutate) și a fost descrisă într-o lucrare din 2020, ca soluție pentru faptul că un model singur își actualizează greu cunoștințele și nu poate arăta de unde le are (Sursa).

Pentru un proprietar de site, asta înseamnă că pagina trebuie mai întâi găsită și citită. OpenAI, de exemplu, folosește roboți diferiți pentru scopuri diferite: OAI-SearchBot aduce site-uri în rezultatele de căutare din ChatGPT, GPTBot colectează conținut care poate fi folosit la antrenarea modelelor, iar ChatGPT-User vizitează o pagină doar când un utilizator cere asta în conversație. Un site care blochează OAI-SearchBot nu este afișat în răspunsurile de căutare din ChatGPT (Sursa).

Google a anunțat în mai 2025 că AI Overviews și Modul AI folosesc o versiune personalizată a modelului Gemini 2.5 (Sursa). Ambele pot face mai multe căutări înrudite pentru o singură întrebare, o tehnică pe care Google o numește query fan-out. O pagină poate apărea ca link în aceste răspunsuri doar dacă este indexată și poate fi afișată în Google cu un fragment de text, iar Google precizează că nu sunt necesare fișiere speciale pentru AI sau alte optimizări separate (Sursa).

Ce înseamnă LLM-urile pentru vizibilitatea unui site

Un om care întreabă un asistent AI „ce firmă de amenajări de grădini din Cluj îmi recomanzi?” primește un răspuns scris, cu două-trei nume și câteva surse. Nu mai parcurge zece rezultate. Dacă firma ta nu este printre ele, el nu află de ea, chiar dacă site-ul tău stă bine în Google pentru aceeași căutare.

Ce caută LLM-urile într-o pagină seamănă mult cu ce caută și Google: o pagină accesibilă roboților, un text care spune limpede ce face firma, pentru cine și unde, informații precise care pot fi citate și mențiuni pe alte site-uri care confirmă că firma există și este de încredere. Diferențele de detaliu dintre optimizarea pentru motoarele de căutare clasice și cea pentru asistenții AI sunt explicate în articolul despre diferența dintre GEO și SEO.

Nicio firmă nu poate garanta că un asistent AI îi va cita site-ul, pentru că răspunsurile se schimbă de la o întrebare la alta și de la un model la altul. Se pot elimina însă cauzele care te scot din start din calcul: roboți blocați, conținut care se încarcă doar cu JavaScript, lipsa unei pagini clare despre ce oferi. Cele mai frecvente sunt descrise în ghidul despre motivele pentru care o firmă nu apare în ChatGPT.

Ce merită reținut

Un LLM este un model de inteligență artificială antrenat pe foarte mult text, care generează răspunsuri prezicând, pas cu pas, continuarea cea mai probabilă. Stă la baza asistenților AI pe care îi folosești deja, dar nu este același lucru cu ei: aplicația adaugă instrucțiuni, interfață și, uneori, acces la internet.

Este foarte bun la scris, rezumat, tradus și explicat, dar poate greși cu toată încrederea și nu știe nimic după data la care s-a oprit antrenarea. Pentru un site, contează că tot mai mulți clienți ajung la o firmă prin răspunsurile acestor modele. Iar modelele citează, în general, pagini pe care le pot accesa și care spun limpede ce oferă firma.

Întrebări frecvente despre LLM-uri