O que é post-training e como o GLM-5.3 melhorou sem trocar de modelo
Post-training GLM-5.3: o modelo da Z.ai que provou que nem todo salto de versão exige arquitetura nova. Com 743 bilhões de parâmetros, o GLM-5.3 manteve a base do GLM-5.2 e atingiu 48.2 pontos no AutomationBench, superando Kimi K3 e Fable 5, com ganhos de 50% no Code Bench interno vindos inteiramente do refinamento pós-treino. Entenda como SFT, RLHF e DPO moldam modelos e quando investir em post-training faz mais sentido que começar do zero.
Fala aí, beleza? Todo mundo espera que um salto de versão tipo 5.2 pra 5.3 signifique modelo novo do zero, né? Mas não é bem assim. O GLM-5.3 que a Z.ai acabou de lançar mostrou que dá pra extrair MUITO mais da mesma base com o post-training certo. E o caso é insano porque os ganhos vieram todos da etapa depois do pré-treinamento, sem trocar a arquitetura.
O que é post-training
Post-training é o treino aplicado depois do pré-treinamento inicial. O pré-treinamento monta a base do modelo com conhecimento geral da internet, livros, código e tal. Já o post-training é o refinamento que vem depois: ajustar pro modelo seguir melhor instruções, se alinhar com o que humanos querem, e se tornar mais seguro e útil.
Pensa assim: o pré-treinamento é como dar formação geral pro aluno, e o post-training é especializar ele em tarefas práticas. O aluno já sabe o básico, mas agora precisa aprender a aplicar isso em problemas reais com padrões de resposta que fazem sentido pra gente.
Formação Claude Code
Domine Claude Code do absoluto zero até o avançado
- 116 aulas
- 4 projetos
- 9h 23min
Técnicas de post-training
Existem três técnicas principais de post-training que você vai ver por aí:
SFT (Supervised Fine-Tuning) treina o modelo em pares específicos de instrução-resposta. É tipo mostrar pro modelo: quando eu pedir X, você responde Y. Isso ajuda o modelo a seguir melhor prompts do usuário e enteder formatos específicos de output.
RLHF (Reinforcement Learning from Human Feedback) usa anotadores humanos pra classificar respostas do modelo e otimiza via reinforcement learning pra produzir outputs preferidos. Basicamente, humanos avaliam o que o modelo respondeu, e o modelo aprende a gerar respostas que agradam mais.
DPO (Direct Preference Optimization) é uma alternativa simplificada ao RLHF. Ele otimiza preferências diretamente sem um modelo de recompensa separado, o que facilita implementação e reduz complexidade.
O caso GLM-5.3: mesma base, melhor resultado
O GLM-5.3 que a Z.ai lançou em 14 de agosto de 2026 é o exemplo perfeito disso. Ele usa a mesma arquitetura base do GLM-5.2, com 743 bilhões de parâmetros. Nada de nova arquitetura, nada de mais parâmetros. Os ganhos de performance vieram inteiramente do post-training.
E os números não mentem. O GLM-5.3 atingiu 48.2 pontos no AutomationBench, superando modelos como Kimi K3 (46.7) e Fable 5 (46.2). No Code Bench interno da Z.ai, a melhoria foi de 50% em relação ao GLM-5.2.
GLM-5.2 vs GLM-5.3
| Característica | GLM-5.2 | GLM-5.3 |
|---|---|---|
| Base | 743B parâmetros | 743B parâmetros (igual) |
| Arquitetura | Base GLM-5 | Base GLM-5 (igual) |
| Code Bench interno | Baseline | 50% de melhoria |
| AutomationBench | Não divulgado | 48.2 pontos |
| Comparação AutomationBench | — | Supera Kimi K3 (46.7) e Fable 5 (46.2) |
| Técnica de melhoria | — | Post-training escalado |
O que esse caso prova
O caso GLM-5.3 demonstra que post-training bem executado pode entregar saltos significativos de performance sem necessidade de nova base. Isso é MUITO importante porque treinar um modelo do zero custa uma fortuna em compute e tempo. Refinar uma base existente pode ser estratégico.
Mas tem limite. Ganhos têm teto imposto pela arquitetura base. Em algum ponto você esgota o que dá pra extrair daquela arquitetura e é preciso renovar. Post-testing adia essa necessidade, mas não elimina.
Quando post-training faz sentido
Post-training faz sentido quando você quer refinar um modelo existente pro domínio específico, corrigir comportamentos indesejados, melhorar alinhamento com preferências humanas ou adaptar pra formatos de output específicos.
No vídeo eu mostro isso na prática: criei um projeto completo de clone Linktree usando Antigravity com MCP de Supabase, via vibe coding com prompts. Configurei o MCP de Supabase dentro do Antigravity e criei tudo via prompt, sem escrever SQL manualmente. O Supabase permitiu criar banco de dados e autenticação sem precisar escrever código de infra.
Quando não faz sentido? Quando a base é limitada pra tarefa ou quando a arquitetura está defasada. Se o modelo não tem capacidade básica pro que você quer, post-training não vai resolver milagrosamente.
Disponibilidade e preço
O GLM-5.3 está disponível através do GLM Coding Plan com planos Lite ($12.6-$18/mês), Pro ($80/mês) e Max ($168/mês). Se você quer testar, o plano Lite pode ser um bom começo.
Conclusão
Post-training é etapa crítica no ciclo de vida de modelos, e o GLM-5.3 prova que investir aqui pode adiar a necessidade de arquitetura nova. Na próxima vez que você ver salto de versão, olhe além do número. Verifique se é base nova ou refinamento da mesma. As vezes o ganho vem mais do que você imagina sem precisar começar do zero.
Até o próximo post!
Perguntas frequentes
Qual a diferenca entre pre-treinamento e pos-treinamento de um modelo de IA?
O pre-treinamento e a etapa inicial que da ao modelo conhecimento geral a partir de dados da internet, livros e codigo. Ja o pos-treinamento e o refinamento aplicado depois, focado em ajustar o modelo para seguir melhor instrucoes, alinhar com preferencias humanas e se tornar mais seguro e util.
Qual tecnica de post-training e mais eficaz: SFT, RLHF ou DPO?
Cada tecnica tem seu proposito. SFT ensina o modelo a seguir instrucoes especificas atraves de pares instrucao-resposta. RLHF usa feedback humano para otimizar respostas preferidas. DPO e uma alternativa mais simples ao RLHF que otimiza preferencias diretamente sem modelo de recompensa. A escolha depende do objetivo e recursos disponiveis.
Post-training pode substituir completamente a necessidade de treinar um novo modelo?
Nao. O post-training tem limite imposto pela arquitetura base. Em algum ponto voce esgota o que da pra extrair daquela arquitetura e e preciso renovar. O GLM-5.3 demonstra que da pra adiar essa necessidade, mas nao elimina.
Como saber se um modelo melhorou por post-training ou por arquitetura nova?
Verifique os detalhes tecnicos do lancamento. Se o numero de parametros e arquitetura base sao os mesmos da versao anterior, como no caso do GLM-5.3 que manteve os 743 bilhoes de parametros do GLM-5.2, a melhoria veio do post-training.
Quais os limites do post-training em comparacao com treinar um modelo do zero?
Ganhos de post-training have teto imposto pela arquitetura base. Em algum ponto voce esgota o que da pra extrair daquela arquitetura e e preciso renovar. Post-training adia a necessidade de novo modelo, mas nao elimina, especialmente quando a base esta limitada ou defasada.
Matheus Battisti
Formações
Formação Vibe Coding
Do Prompt ao Produto: Crie Software Real com IA
- 474 aulas
- 20 projetos
- 39h 27min
Blog | Mais populares
GLM-5.3-Flash no GLM Coding Plan: o que muda no seu fluxo agora?
GLM-5.3-Flash chegou ao GLM Coding Plan (Lite, Pro e Max) sem custo extra e rende 3x mais quota. Veja como ativar no Claude Code e as ressalvas.
GLM-5.3 é open source? Entenda a diferença para open-weights e quando os pesos serão liberados
GLM-5.3 open weights significa acesso aos pesos sob MIT, mas nao e open-source completo. Saiba quando os 743B parametros serao liberados pela Z.ai (previsto 28/08/2026).
O que é o GLM-5.3-Flash, o primeiro modelo nativamente multimodal da série GLM-5?
O GLM-5.3-Flash é o primeiro modelo multimodal da série GLM-5, com MoE de 320B parâmetros, 1M de contexto e pesos abertos no Hugging Face. Entenda.
