---
title: "O que é um chat template? Como mensagens viram tokens"
description: "Um chat template transforma mensagens com papel e conteúdo na sequência de tokens que um modelo de chat espera. Como funciona e por que o template errado atrapalha."
url: https://broadrouter.com/pt/glossary/chat-template/
lang: pt-BR
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/chat-template/) (atualizado em 2026-11-15).

# Chat template (template de chat)

Atualizado em 2026-11-15

Chat template é a regra de formatação, geralmente escrita em Jinja e distribuída com o tokenizer do modelo, que converte uma lista de mensagens de chat com papéis na sequência única de tokens que o modelo espera, incluindo os tokens especiais de controle. Usar o template errado pode piorar muito as respostas do modelo.

Também chamado de: template de chat, template Jinja de chat, chat\_template, Jinja chat template, tokenizer chat template

Um modelo de chat nunca vê uma lista de mensagens. Ele vê uma única sequência longa de tokens. O chat template decide como essa sequência fica.

## Como funciona

O guia do Hugging Face resume o ponto principal: todos os modelos de linguagem causais “continue a sequence of tokens” (tradução: continuam uma sequência de tokens), e os dicionários de papel e conteúdo que você passa “get converted to a token sequence, often with control tokens” (tradução: são convertidos em uma sequência de tokens, muitas vezes com tokens de controle). Modelos diferentes usam formatos diferentes, “even if they were fine-tuned from the same base model” (tradução: mesmo que tenham passado por fine-tuning a partir do mesmo modelo base).

O mesmo chat curto, renderizado por dois templates do guia:

```text
Mistral-7B-Instruct:
<s>[INST] Hello, how are you? [/INST]I'm doing great. How can I help you today?</s>

Zephyr-7B:
<|user|>
Hello, how are you?</s>
<|assistant|>
I'm doing great. How can I help you today?</s>
```

No Transformers, você renderiza um chat com `tokenizer.apply_chat_template(messages, add_generation_prompt=True)`. A flag `add_generation_prompt` adiciona os tokens que abrem um turno do assistente; sem eles, avisa o guia, o modelo pode continuar a mensagem do usuário em vez de responder.

Templates também podem carregar recursos do modelo. A card do Gemma 4 do Google diz que o thinking é ativado colocando um token `<|think|>` no início do system prompt, e que “many libraries like Transformers and llama.cpp handle the complexities of the chat template for you.” (tradução: muitas bibliotecas, como Transformers e llama.cpp, cuidam das complexidades do chat template para você.)

## Por que isso importa

-   **Qualidade.** O guia diz que “with the wrong control tokens, these models would have drastically worse performance.” (tradução: com os tokens de controle errados, esses modelos teriam um desempenho drasticamente pior.)
-   **Self-hosting.** Os motores de serving precisam de um template para aceitar requisições de chat. A documentação do vLLM diz que, sem um, “all chat requests will error” (tradução: todas as requisições de chat vão dar erro), e aceita `--chat-template` para fornecê-lo. Veja [vLLM](https://broadrouter.com/pt/glossary/vllm/).
-   **Contagem de tokens.** Tokens de controle contam como [tokens](https://broadrouter.com/pt/glossary/token/) de entrada. Nosso post sobre [contar tokens antes de enviar](https://broadrouter.com/pt/blog/count-tokens-before-sending/) explica por que as contagens locais e as cobradas diferem.
-   **Tokens especiais em dobro.** O guia avisa que adicionar `<bos>` ou `<eos>` de novo depois de aplicar o template “is often incorrect or duplicated, hurting model performance” (tradução: muitas vezes é incorreto ou duplicado, o que prejudica o desempenho do modelo).
-   **O [system prompt](https://broadrouter.com/pt/glossary/system-prompt/) faz parte disso.** Onde a mensagem de sistema entra, e se o modelo tem mesmo um papel de sistema, é o template que decide.

## Na BroadNet Inference

A API da BroadNet é um endpoint de chat completions [compatível com a OpenAI](https://broadrouter.com/pt/glossary/openai-compatible-api/), então você envia `messages` e a BroadNet aplica o template; você não envia texto de template puro. A BroadNet relata que serve o [Gemma 4 VL 26B](https://broadrouter.com/pt/models/gemma-4-vl-26b/) com um “BroadNet conversational chat template”, um template ajustado para o fluxo conversacional dela. Se você comparar o Gemma da BroadNet com os mesmos pesos rodando localmente, as respostas podem diferir, então teste com os seus próprios prompts. A BroadNet não publica detalhes de template dos outros modelos. O [post sobre a frota de GPUs e o serving](https://broadrouter.com/pt/blog/broadnet-gpu-fleet-and-serving/) lista as outras escolhas de serving do Gemma.

## Perguntas frequentes

### Preciso aplicar um chat template quando chamo uma API?

Não. Com uma API de chat completions, você envia uma lista de mensagens e o provedor aplica o template do lado dele. Você só lida com templates quando roda um modelo localmente ou chama um endpoint de completion de texto puro.

### Por que minhas contagens de tokens são diferentes das do provedor?

O template adiciona tokens de controle em volta de cada mensagem. Se você conta só o texto das mensagens, eles ficam de fora, então o prompt cobrado costuma ser um pouco maior.

### O que o add\_generation\_prompt faz?

Ele acrescenta os tokens que abrem um turno do assistente, para que o modelo responda em vez de continuar a sua mensagem. A documentação do Hugging Face mostra isso como um <|im\_start|>assistant no final em templates no estilo ChatML.

## Veja também

-   [Tokenizer (tokenizador)](https://broadrouter.com/pt/glossary/tokenizer/) (termo)
-   [Prompt de sistema (system prompt)](https://broadrouter.com/pt/glossary/system-prompt/) (termo)
-   [Token](https://broadrouter.com/pt/glossary/token/) (termo)
-   [vLLM](https://broadrouter.com/pt/glossary/vllm/) (termo)
-   [API compatível com a OpenAI](https://broadrouter.com/pt/glossary/openai-compatible-api/) (termo)
-   [GGUF (formato de modelo do llama.cpp)](https://broadrouter.com/pt/glossary/gguf/) (termo)
-   [Como contar tokens antes de enviar uma requisição a um LLM](https://broadrouter.com/pt/blog/count-tokens-before-sending/) (artigo)
-   [Hardware de GPU e serving da BroadNet, segundo a própria BroadNet](https://broadrouter.com/pt/blog/broadnet-gpu-fleet-and-serving/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-chat-template&utm_content=page-cta) ·

**Fontes**

-   [Documentação do Hugging Face Transformers, chat templates (verificado em 2026-11-15)](https://huggingface.co/docs/transformers/en/chat_templating)
-   [Documentação do vLLM, online serving: chat template (verificado em 2026-11-15)](https://docs.vllm.ai/en/latest/serving/online_serving/)
-   [Google, model card do Gemma 4 26B A4B instruction-tuned (verificado em 2026-11-15)](https://huggingface.co/google/gemma-4-26B-A4B-it)
-   [BroadNet, página do modelo Gemma 4 VL 26B: configuração de serving (verificado em 2026-11-15) (em inglês)](https://www.broadnet.ai/inference/models/gemma-4-vl-26b)
