Como o GPTZero funciona

Digite "how gptzero works" em uma barra de pesquisa e a maior parte do que aparece ainda descreve perplexidade e burstiness, as duas estatísticas que o próprio fundador tornou famosas nas primeiras semanas após o lançamento do ChatGPT. Essa descrição era precisa em janeiro de 2023. Ela não tem sido precisa desde o outono daquele ano, quando a própria documentação do GPTZero diz que a empresa substituiu esse método por algo completamente diferente. A distância entre o que a ferramenta fazia no lançamento e o que faz agora é grande o suficiente para que a maioria das explicações ainda em circulação hoje descreva um produto que já não existe.

Hoje, o GPTZero executa um classificador sentença por sentença sobre um grande corpus misto de textos gerados por humanos e textos gerados por IA, em vez de um cálculo de perplexidade. O GPTZero de hoje ainda fornece um único número principal, mas a aritmética é diferente. O destaque em nível de sentença abaixo do número principal também tem um significado diferente do que tinha em 2023. Ambas as versões da história valem a pena ser conhecidas, a que tornou os termos famosos e a que de fato funciona hoje.

A História: Como Perplexity e Burstiness Tornaram o GPTZero Famoso

Em 2 de janeiro de 2023, Edward Tian, então estudante de Princeton, lançou uma demonstração pública do GPTZero, poucas semanas depois de o ChatGPT ter sido lançado. Sua página explicativa original descreve como ele usou duas estatísticas emprestadas da modelagem de linguagem para detectar quando um modelo de linguagem escreveu algo. Perplexity é uma pontuação de quão surpreendido um modelo de referência ficou com as escolhas de palavras no texto. Burstiness é o nome dado pelo GPTZero a quanto essa surpresa flutuou ao longo de um documento. Essas páginas explicativas são a razão pela qual ambas as palavras entraram de fato na conversa cotidiana sobre escrita por IA. A maioria das pessoas que hoje consegue definir perplexity ou burstiness aprendeu os termos com o GPTZero, não com um livro didático.

O mecanismo em si era simples de descrever. Passe uma passagem por um modelo de linguagem de referência, e a prosa que o modelo considera altamente previsível, com baixa perplexidade, soa típica de máquina, já que a geração tende a favorecer a próxima palavra mais provável em vez da surpreendente. A própria documentação aposentada do GPTZero chegou a publicar uma regra prática: uma pontuação de perplexidade acima de 85 era lida como mais provavelmente humana do que de máquina. Esse limiar veio de um fornecedor, em um modelo, em um momento específico, e o próprio GPTZero já não o sustenta.

Como o GPTZero Funciona Agora: Um Classificador em Nível de Frase

O centro de suporte do GPTZero afirma de forma explícita que a empresa deixou de usar perplexidade e burstiness para detecção a partir do outono de 2023, após migrar para uma arquitetura de deep learning. Sua página tecnológica atual, verificada para este texto, confirma que a mudança é total: ela descreve uma abordagem de deep learning de ponta a ponta, treinada em texto da web, da educação e de uma gama de modelos de linguagem, executando um modelo de classificação frase por frase que produz uma probabilidade e uma pontuação de confiança. Perplexidade e burstiness não aparecem em nenhum lugar dessa página.

Desde então, também acrescentou uma camada de defesa, um Paraphraser Shield, criado para detectar texto de IA que tenha passado por uma ferramenta de reescrita para evitar a detecção. É possível colar texto, enviar documentos Word, PDFs e arquivos de imagem, e até cinquenta arquivos de uma vez. Nada dessa infraestrutura tem qualquer relação com contar com que frequência um modelo de referência teria adivinhado a mesma palavra.

O Que um Relatório do GPTZero Realmente Mostra

Um resultado do GPTZero contém três partes: uma classificação de IA, humana ou mista, uma porcentagem que expressa a probabilidade do modelo de que o documento tenha sido escrito por IA, e um rótulo de confiança que descreve quão confiável é aquela previsão específica. O rótulo importa mais do que pode parecer. O GPTZero associa "altamente confiante" a uma taxa de erro abaixo de 2 percent e "baixa confiança" a uma taxa de erro de 14 percent ou mais, uma faixa ampla o suficiente para que a mesma porcentagem principal possa ter pesos muito diferentes de um relatório para outro.

As varreduras pagas acrescentam realce em nível de frase, e isso deve ser lido corretamente. GPTZero descreve as frases destacadas como aquelas que afetam de modo desproporcional a pontuação geral, e não como uma lista de acusações contra linhas individuais. Uma frase pode não ser destacada e ainda assim ter moldado o resultado, porque o classificador lê o documento como um todo, em vez de votar frase por frase.

Report element	What it tells you
Classification	Um único rótulo: AI, humano ou misto
AI probability score	Uma porcentagem que reflete a probabilidade que o modelo atribui de o documento ter sido escrito por AI
Confidence label	Varia de altamente confiante, abaixo de uma taxa de erro de 2 percent, até baixa confiança, 14 percent ou mais
Sentence highlighting	Marca as frases que mais contribuem para a pontuação no Advanced Scan, e não cada frase a ela relacionada

Nenhum desses elementos do relatório existia em sua forma atual quando a explicação sobre perplexity e burstiness ainda era a descrição pública de GPTZero sobre si mesmo. A interface mudou junto com o método.

Por que a descrição de Perplexity e Burstiness ainda circula

A explicação original de GPTZero ainda está online, ainda está indexada e ainda é uma das descrições gerais mais claras de como perplexity e burstiness funcionam como conceitos. Os mecanismos de busca e outros sites continuam a citá-la, e alguns apontam para uma revisão amplamente compartilhada de 2026 que afirma que a ferramenta ainda executa discretamente uma camada de perplexity e burstiness ao lado de seu classificador. As páginas atuais de GPTZero, a página de tecnologia e ambos os artigos de suporte, dizem o contrário: os termos foram descontinuados, e não apenas ocultados nos bastidores. Uma página que descreve um conceito em abstrato não é o mesmo que uma página que descreve o método atual desta ferramenta, e tratar as duas como intercambiáveis é em grande parte o motivo de a confusão ter persistido por três anos além de sua data de expiração.

Isso importa além de uma curiosidade. Um estudante ou colega instruído a reduzir a perplexidade ou a distribuir o comprimento das frases especificamente para vencer o GPTZero está recebendo um conselho voltado a uma versão do produto que deixou de funcionar em 2023. O que move um classificador de frases é uma questão relacionada, mas diferente, mais próxima da explicação mais ampla de como os detectores de IA realmente funcionam do que de qualquer uma dessas estatísticas isoladamente. O GPTZero não deixou de medi-las, segundo a própria empresa, elas estão entre sete indicadores que alimentam o modelo atual, mas deixaram de ser o elemento que decide a resposta.

O que o GPTZero afirma que não pode fazer

As taxas de precisão declaradas pelo GPTZero são tão fortes quanto um fornecedor provavelmente publicaria sobre seu próprio produto, 96.5 percent de precisão em documentos mistos, uma taxa geral de falso positivo que a empresa limita a 1 percent, e 1.1 percent especificamente em redações do TOEFL, um substituto comum para a escrita em inglês de falantes não nativos. Esses números vêm da própria avaliação do GPTZero, sem qualquer replicação independente citada na página que os apresenta.

A própria página de limitações do GPTZero é mais específica do que os números de marketing. A empresa afirma que a precisão melhora à medida que mais texto é submetido e cai no nível de frase e de parágrafo em comparação com o documento completo. Afirma que seus dados de treinamento são em sua maioria prosa em inglês de adultos, de modo que textos que se afastam desse padrão são mais difíceis de classificar com confiabilidade. Afirma que o classificador não é treinado para detectar texto de IA que tenha sido fortemente modificado após a geração. E afirma de modo explícito que outros textos gerados por máquina ou altamente procedimentais, e não apenas a saída de chatbots, podem ser sinalizados da mesma forma.

Nada disso é motivo para tratar o número do GPTZero como incontestável, e ele não é o único detector que vale a pena compreender em seus próprios termos. Leitores curiosos sobre o que um classificador como este realmente responde podem ver por si mesmos uma versão desse padrão com um verificador gratuito de perplexidade ou um verificador gratuito de burstiness, duas partes de uma coleção gratuita de ferramentas mais ampla, que abrange as outras camadas estatísticas de que um relatório como este se vale.

As duas estatísticas principais do GPTZero têm páginas próprias: o que a perplexidade mede na detecção por IA, e a aritmética da probabilidade de tokens que produz ambos os números.

Uma ferramenta disposta a nomear suas próprias limitações com tanta precisão merece mais confiança do que uma que afirma não ter nenhuma, e a próxima porcentagem sem explicação em um relatório é um bom ponto de partida para perguntar que tipo de ferramenta a produziu.