![\"Screenshot](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/detectgpt-screenshot-e1778602474625-1024x355-1.jpg\" "\\"\\"")
<\/p>\nDetectGPT has a 95% accuracy rate. It\u2019s backed by Stanford. The DetectGPT paper has hundreds of citations. It\u2019s open source on DetectGPT github.<\/p>\n
Mas at\u00e9 que ponto essas afirma\u00e7\u00f5es s\u00e3o precisas?\u00a0<\/p>\n
Nesta an\u00e1lise do DetectGPT, colocaremos o DetectGPT \u00e0 prova usando o benchmark padr\u00e3o do setor da ZDNet para verificar seu desempenho no mundo real.<\/p>\n
<\/p>\n
Abordaremos como o DetectGPT funciona, como ele se compara a outras ferramentas de detec\u00e7\u00e3o e o que nossos testes independentes revelaram sobre sua precis\u00e3o, confiabilidade e usabilidade pr\u00e1tica.<\/p>\n
No final, voc\u00ea saber\u00e1 se o DetectGPT est\u00e1 \u00e0 altura da propaganda ou n\u00e3o.<\/p>\n
Vamos descobrir.<\/p>\n
Principais conclus\u00f5es<\/strong><\/p>\n Precis\u00e3o do DetectGPT: 5-10%. N\u00e3o conseguiu identificar corretamente nenhuma das 4 amostras de teste.<\/p>\n<\/li>\n O DetectGPT \u00e9 um detector de IA desenvolvido por Stanford que usa a an\u00e1lise de curvatura de probabilidade para identificar textos gerados por m\u00e1quinas. Ele analisa a precis\u00e3o com que as palavras se encaixam para detectar padr\u00f5es de IA.\u00a0<\/p>\n<\/li>\n O DetectGPT introduziu um m\u00e9todo pioneiro de detec\u00e7\u00e3o de disparo zero que n\u00e3o requer retreinamento para novos modelos. A implementa\u00e7\u00e3o de c\u00f3digo aberto do GitHub incentiva mais pesquisas e inova\u00e7\u00f5es.<\/p>\n<\/li>\n A Undetectable AI alcan\u00e7ou uma precis\u00e3o de 100% em todas as quatro amostras de teste e est\u00e1 consistentemente entre as tr\u00eas principais ferramentas nas avalia\u00e7\u00f5es da ZDNet, com precis\u00e3o de at\u00e9 90% no mundo real.<\/p>\n<\/li>\n<\/ul>\n Como o nome sugere, o DetectGPT \u00e9 uma ferramenta de IA que detecta se um trecho de texto foi escrito por um ser humano ou gerado por um modelo baseado em GPT.\u00a0<\/p>\n GPT = Transformador pr\u00e9-treinado generativo.<\/p>\n \u00c9 um tipo de modelo de linguagem grande treinado em grandes quantidades de dados de texto para prever a pr\u00f3xima palavra em uma sequ\u00eancia. Exemplos: ChatGPT, GPT-3 e GPT-4 pertencem a essa fam\u00edlia.<\/p>\n <\/p>\n O DetectGPT foi desenvolvido pelo estudante de p\u00f3s-gradua\u00e7\u00e3o em ci\u00eancia da computa\u00e7\u00e3o da Universidade de Stanford, Eric Anthony Mitchell, e sua equipe de pesquisa.\u00a0<\/p>\n Seu documento DetectGPT, \"DetectGPT: Detec\u00e7\u00e3o de texto gerado por m\u00e1quina com disparo zero usando curvatura de probabilidade,\"<\/em><\/strong><\/a> foi publicado em janeiro de 2023 e posteriormente apresentado no ICML 2023.<\/p>\n O documento DetectGPT 2023 tornou-se um ponto de refer\u00eancia no campo de detec\u00e7\u00e3o de IA.<\/p>\n Foi uma \u00e9poca em que a popularidade do ChatGPT estava no auge, e o mundo estava lutando para diferenciar a escrita humana do texto gerado por m\u00e1quina.\u00a0<\/p>\n De certa forma, o DetectGPT tornou-se uma das primeiras linhas de defesa para um novo tipo de amea\u00e7a. Ent\u00e3o, isso significa que n\u00e3o havia detectores de IA naquela \u00e9poca? Errado.\u00a0<\/p>\n Havia algumas ferramentas de detec\u00e7\u00e3o, mas a maioria dependia muito de conjuntos de dados rotulados. Elas precisavam ser treinadas em milhares de exemplos de texto humano e de IA para que pudessem fazer uma suposi\u00e7\u00e3o.\u00a0<\/p>\n O DetectGPT n\u00e3o o fez.\u00a0<\/p>\n Em vez de exemplos de correspond\u00eancia de padr\u00f5es, ele se baseou em um conceito matem\u00e1tico chamado curvatura de probabilidade logar\u00edtmica<\/a>.\u00a0<\/p>\n Pense da seguinte maneira...<\/p>\n \u00a0<\/p>\n O DetectGPT percebe essa diferen\u00e7a.<\/p>\n Esse processo \u00e9 chamado de discrep\u00e2ncia de perturba\u00e7\u00e3o e permite que o DetectGPT fa\u00e7a julgamentos altamente precisos sem nenhum pr\u00e9-treinamento.<\/p>\n Ele rapidamente se tornou um dos detectores de IA mais respeitados e citados academicamente de sua \u00e9poca.<\/p>\n Aqui est\u00e3o os principais recursos do DetectGPT:<\/p>\n Mecanismo de detec\u00e7\u00e3o de disparo zero:<\/strong> Detecta texto gerado por IA sem qualquer retreinamento para cada nova vers\u00e3o do modelo (ou seja, curva de probabilidade).<\/p>\n<\/li>\n Velocidade e escala de detec\u00e7\u00e3o r\u00e1pida de GPT:<\/strong> A vers\u00e3o atualizada, Fast-DetectGPT, permite uma detec\u00e7\u00e3o r\u00e1pida e de alto volume que \u00e9 mais r\u00e1pida e eficiente do que a original.<\/p>\n<\/li>\n Funda\u00e7\u00e3o de c\u00f3digo aberto:<\/strong> Como sua estrutura foi compartilhada abertamente, os desenvolvedores puderam replic\u00e1-la e adapt\u00e1-la. A implementa\u00e7\u00e3o de c\u00f3digo-fonte aberto do DetectGPT inspirou muitos projetos no github do DetectGPT, onde os desenvolvedores continuam a criar e aprimorar modelos de detec\u00e7\u00e3o e APIs. Atualmente, o reposit\u00f3rio do DetectGPT no GitHub \u00e9 um recurso para pesquisadores e desenvolvedores em todo o mundo.<\/p>\n<\/li>\n Reivindica\u00e7\u00f5es de alta precis\u00e3o:<\/strong> Atinge uma precis\u00e3o de detec\u00e7\u00e3o de at\u00e9 99%, superando o benchmark acad\u00eamico original de 95% AUROC, conforme documentado no documento DetectGPT.<\/p>\n<\/li>\n Detec\u00e7\u00e3o e relat\u00f3rio de lotes:<\/strong> Oferece suporte \u00e0 digitaliza\u00e7\u00e3o de documentos em massa (10 a 50 arquivos por lote) e gera relat\u00f3rios em PDF para download para educadores e empresas.<\/p>\n<\/li>\n Integra\u00e7\u00e3o de API:<\/strong> Fornece uma API simples para integra\u00e7\u00e3o perfeita em plataformas, aplicativos ou fluxos de trabalho de conte\u00fado existentes.<\/p>\n<\/li>\n Humanizador de conte\u00fado de IA:<\/strong> Inclui um recurso adicional que reescreve o texto gerado pela IA para parecer mais natural e humano.<\/p>\n<\/li>\n Pl\u00e1gio integrado e verifica\u00e7\u00e3o de fatos:<\/strong> Verifica a originalidade e a precis\u00e3o dos fatos no texto para garantir a credibilidade.<\/p>\n<\/li>\n Pontua\u00e7\u00e3o de legibilidade:<\/strong> Avalia e aprimora o fluxo, o tom e a clareza das frases para melhorar a legibilidade geral.<\/p>\n<\/li>\n<\/ul>\n Podemos acessar o DetectGPT de duas maneiras:<\/p>\n Veja a seguir como as duas vers\u00f5es normalmente funcionam, passo a passo:<\/p>\n Acesse a plataforma:<\/strong> Acesse o site do DetectGPT ou verifique se a extens\u00e3o do navegador est\u00e1 ativa.<\/p>\n<\/li>\n Conte\u00fado de entrada:<\/strong> Copie e cole o texto na caixa de entrada. Se estiver usando a extens\u00e3o, basta pressionar \"refresh\" (atualizar)<\/strong> ou \"scan\"<\/strong> enquanto estiver visualizando a p\u00e1gina que deseja analisar.<\/p>\n<\/li>\n Iniciar a an\u00e1lise:<\/strong> Clique em \"Verificar conte\u00fado.<\/em><\/strong>\" O sistema verifica seu conte\u00fado com base na metodologia descrita no documento DetectGPT 2023.<\/p>\n<\/li>\n Resultados da revis\u00e3o:<\/strong> Em segundos, o DetectGPT exibe uma pontua\u00e7\u00e3o de an\u00e1lise, geralmente uma porcentagem que mostra a probabilidade de o texto ter sido gerado por IA.<\/p>\n<\/li>\n<\/ol>\n \u00a0<\/p>\n Testamos o DetectGPT usando a metodologia de benchmark amplamente reconhecida da ZDNet.<\/p>\n Usamos quatro blocos de amostra:<\/p>\n Resultados:<\/p>\n <\/p>\n <\/p>\n Resultado do bloco 1 (escrito por humanos, formal)<\/strong><\/p>\n Resultado do Bloco 2 (escrito por humanos, informal)<\/strong><\/p>\n Resultado do bloco 3 (gerado por IA, baunilha)<\/strong><\/p>\n Resultado do Bloco 4 (gerado por IA, estilizado)<\/strong><\/p>\n Das 4 amostras, nenhuma foi classificada corretamente como 100%, mas 2 (Bloco 1 e 2) tiveram um pequeno reconhecimento parcial (a detec\u00e7\u00e3o \"mista\"), o que pode ser considerado um sucesso parcial muito pequeno.<\/p>\n Uma maneira justa e orientada por dados de afirmar isso \u00e9 que o DetectGPT alcan\u00e7ou uma precis\u00e3o pr\u00e1tica de ~5-10% nesse teste, o que \u00e9 essencialmente n\u00e3o confi\u00e1vel para uso profissional, apesar dos resultados promissores mostrados no artigo original do DetectGPT.<\/p>\n Em seguida, testamos Undetectable AI<\/a> usando a mesma metodologia de benchmark da ZDNet aplicada anteriormente.<\/p>\n <\/p>\n\n
\nO que \u00e9 a an\u00e1lise do DetectGPT Detector?<\/h2>\n
\n
Principais recursos do DetectGPT<\/h3>\n
\n
Como funciona o DetectGPT Detector?<\/h2>\n
\n
\n
Testando a precis\u00e3o do DetectGPT<\/h2>\n
\n
\n\n\n
\n Bloco de amostras<\/strong><\/td>\n Origem verdadeira<\/strong><\/td>\n DetectGPT Detec\u00e7\u00e3o<\/strong><\/td>\n Notas<\/strong><\/td>\n<\/tr>\n \n Bloco 1<\/td>\n 100% Humano<\/td>\n 21% Misto, 0% AI<\/td>\n Classificado erroneamente como parcialmente IA<\/td>\n<\/tr>\n \n Bloco 2<\/td>\n 100% Humano<\/td>\n 11% misto, 0% AI<\/td>\n Ligeiramente marcado como misto<\/td>\n<\/tr>\n \n Bloco 3<\/td>\n 100% AI<\/td>\n 85% Humano, 15% Misto<\/td>\n Falha ao detectar a IA com precis\u00e3o<\/td>\n<\/tr>\n \n Bloco 4<\/td>\n 100% AI<\/td>\n 14% Misto, 0% AI<\/td>\n Classificados incorretamente, em sua maioria, como humanos<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n ![\"Screenshot](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/result-of-block-1-human-written-e1778603217536-1024x423-1.jpg\" "\\"\\"")
<\/p>\n![\"Screenshot](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/result-of-block-2-human-written-e1778603251869-1024x420-1.jpg\" "\\"\\"")
<\/p>\n![\"Screenshot](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/result-of-block-3-ai-generated-e1778607107943-1024x417-1.jpg\" "\\"\\"")
<\/p>\n![\"Screenshot](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/result-of-block-4-ai-generated-e1778607591789-1024x424-1.jpg\" "\\"\\"")
<\/p>\n