GPTZero é confiável? GPTZero vs Turnitin vs ZeroGPT comparados

O GPTZero é confiável? Testes independentes dizem que menos do que os números do próprio fornecedor sugerem, e o mesmo vale para o ZeroGPT e o Turnitin. Um motivo ainda maior para os três darem vereditos diferentes para o mesmo parágrafo é que eles não medem a mesma coisa. O Turnitin informa uma parcela da sua prosa, o GPTZero informa uma probabilidade sobre o documento inteiro, o Originality.ai deixa o usuário decidir quanto de IA tolerar, e cada ferramenta traça a sua linha num lugar diferente, com um tamanho mínimo diferente, com um modelo treinado com dados diferentes e atualizado no seu próprio ritmo.

Isso não prova que alguma ferramenta esteja com defeito. É o que acontece quando vários classificadores probabilísticos fazem julgamentos independentes sobre um texto realmente ambíguo, como costuma ser a prosa acadêmica formal.

Eles não informam o mesmo número

O jeito mais rápido de entender por que as pontuações diferem é ler o que cada fornecedor diz que o seu número principal significa. A tabela abaixo usa só as páginas públicas dos próprios fornecedores, e os números de erro são afirmações deles, não nossas.

Compare dois deles. O GPTZero explica que "4% AI" não quer dizer que 4% do seu documento contém IA; é a probabilidade, segundo o modelo, de o documento ter sido escrito inteiramente por IA. Os 40% do Turnitin são uma afirmação sobre quanto da sua prosa parece gerada por IA. As duas são porcentagens, e respondem a perguntas diferentes. O Sapling faz o mesmo alerta sobre os seus próprios destaques: eles podem não bater com a pontuação geral.

Limiares são escolhas de política

Todo detector transforma uma pontuação contínua num rótulo, e o ponto de corte é uma decisão de design. Textos humanos e de IA produzem distribuições de pontuação que se sobrepõem. Mova o limiar para a direita e você sinaliza menos humanos, mas deixa passar mais IA; mova para a esquerda e acontece o contrário.

• Texto escrito por humanos
• Texto gerado por IA

Ilustrativo, não são dados de nenhum detector específico

Os fornecedores dizem abertamente para que lado pendem. O Turnitin oculta pontuações entre 1% e 19% e aceita que um documento com pontuação de 50% possa conter mais IA do que isso. O GPTZero descreve um mapeamento de saída que inclina o detector a preferir falsos negativos a falsos positivos e diz que, quando não tem confiança, geralmente pende para "humano". O Originality.ai agora entrega parte da decisão ao usuário com a configuração AI Allowance, e o Copyleaks oferece sensibilidade ajustável. Duas ferramentas podem concordar sobre o sinal de fundo e ainda assim discordar sobre o rótulo.

Tamanho e segmentação mudam o veredito

Os detectores precisam de texto suficiente para medir. O Turnitin não pontua menos de 300 palavras de prosa e diz que documentos curtos são pontuados quase como um bloco único. O Sapling diz que seu detector fica bem mais preciso a partir de cerca de 50 palavras. O GPTZero observa que a sua previsão pode depender de padrões ao longo da maior parte do texto, então editar algumas frases destacadas pode mexer menos na pontuação do que você espera.

Esse é o problema frase versus documento que tratamos em detecção de IA frase a frase. Uma ferramenta que pontua janelas sobrepostas, outra que pontua o documento inteiro e outra que pontua frase a frase podem ler o mesmo parágrafo de formas diferentes.

We recruited 214 first-year nursing students across two campuses in spring 2024. The findings highlight the importance of resilience in shaping academic outcomes. Resilience scores rose most among students who had previously failed a clinical placement. These results contribute to a growing body of literature on student wellbeing.

Exemplo ilustrativo. Frases genéricas de enquadramento tendem a ser pontuadas como IA; frases específicas, com dados, tendem a ser pontuadas como humanas. Uma ferramenta no nível do documento pode tirar uma média delas num único veredito.

Dados de treino diferentes, pontos cegos diferentes

Cada classificador aprende com a sua própria mistura de textos humanos e de máquina, e com um conjunto específico de geradores. O Turnitin publica a lista de modelos que o seu detector de inglês é treinado para pegar. O registro de mudanças do Sapling mostra o mesmo padrão de incluir novas famílias de modelos com o tempo. Um parágrafo produzido ou polido por um modelo com que um fornecedor treinou e outro não vai receber pontuações diferentes. Analisamos essa cobertura em o Turnitin detecta ChatGPT, Claude e Gemini?

Benchmarks independentes mostram o quanto isso pesa. O RAID, um benchmark compartilhado de Dugan et al. apresentado na ACL 2024, testou 12 detectores em mais de 6 milhões de textos gerados por 11 modelos em 8 domínios, com 11 ataques adversariais e 4 estratégias de decodificação. Os autores constataram que os detectores eram facilmente enganados por ataques, mudanças na estratégia de amostragem, penalidades de repetição e modelos generativos que não conheciam.

Um estudo anterior no International Journal for Educational Integrity, Weber-Wulff et al. (2023), testou 14 ferramentas e concluiu que nenhuma chegou a 80% de precisão na sua pontuação, com tendência a classificar o texto como humano. Resultados assim convivem com números de 98% ou 99% dos fornecedores porque usam outros conjuntos de teste, outros tipos de texto e outras definições de precisão.

Os ciclos de atualização mudam as regras do jogo

Os detectores mudam com frequência. O Turnitin lançou atualizações do modelo em outubro de 2025 e em fevereiro de 2026 e consolidou sua arquitetura em julho de 2026; relatórios antigos não são recalculados, mas arquivos reenviados são. O registro de mudanças do Sapling mostra uma atualização em setembro de 2026. O Originality.ai aposentou seus modelos clássicos no mesmo mês. Uma pontuação que você viu no primeiro semestre é a leitura de um instrumento diferente daquele que o seu editor usa no segundo.

O GPTZero é confiável? E o ZeroGPT?

Os dois fornecedores publicam números fortes: o GPTZero diz que mantém a taxa de falsos positivos em no máximo 1%, e o ZeroGPT afirma ter 98,4% de precisão na detecção. Testes independentes encontraram resultados mais baixos e menos uniformes, embora os dois testes abaixo sejam anteriores às versões atuais dessas ferramentas.

• No estudo de 2023 de Weber-Wulff e colegas, o GPTZero classificou corretamente 54% dos 54 documentos de teste na pontuação mais rigorosa, contra 59% do ZeroGPT e 76% do Turnitin. O GPTZero também foi o ponto fora da curva em acusações falsas: em metade dos 18 documentos escritos por humanos, o resultado dele poderia plausivelmente ter levado a uma. O ZeroGPT não produziu nenhuma.
• No benchmark RAID (2024), o GPTZero chegou a 66,5% de precisão com taxa de falsos positivos de 5% e quase não se mexeu sob um ataque de homóglifos que prejudicou a maioria dos outros detectores. A taxa de falsos positivos do ZeroGPT não pôde ser levada abaixo de 16,9% nos testes de limiar do RAID.

Então, o GPTZero é tão preciso quanto o Turnitin? O único estudo aqui que testou os dois colocou o Turnitin à frente no início de 2023, e as duas ferramentas foram atualizadas desde então. Trate a pontuação de qualquer uma delas como uma leitura isolada, não como um veredito.

Então, qual é o detector de IA mais preciso?

Não há uma resposta única que valha para todos os tipos de texto, tamanhos, idiomas e geradores, e quem lhe der uma está citando um conjunto de teste. As afirmações de precisão dos fornecedores vêm das avaliações deles mesmos. Benchmarks independentes informam números mais baixos e mais variáveis. A pergunta mais útil é qual detector as pessoas que avaliam o seu trabalho de fato usam, e como o seu texto se comporta em várias ferramentas.

É esse o argumento para verificar com mais de um detector:

• A concordância é informativa. Se cinco ferramentas leem uma frase como humana e uma a sinaliza, a sinalização provavelmente é ruído. Se as seis sinalizam a mesma transição genérica, vale reescrevê-la com as suas palavras.
• A discordância aponta para textos na fronteira. Frases que mudam de lado entre ferramentas costumam ser formulaicas: aberturas prontas, frases de resumo, clichês de avaliação. Veja por que a prosa formal pode parecer escrita por IA.
• Nenhuma ferramenta é o juiz final. Turnitin, GPTZero e Sapling dizem que os seus resultados não devem ser a única base para uma decisão sobre uma pessoa.

Verificando vários detectores com a Academic Humanizer

A Academic Humanizer é validada com os seis detectores acima: Turnitin, GPTZero, ZeroGPT, Copyleaks, Sapling e Originality.ai. O Humanizer analisa o rascunho em busca das frases que os detectores sinalizam, reescreve só essas e deixa as frases que já são lidas como humanas exatamente como você escreveu, e o AI Detection Report integrado compara a parcela de frases lidas como humanas antes e depois. Ele não pode garantir como um detector específico vai pontuar uma versão futura do seu texto, e é justamente por isso que o relatório mostra o seu trabalho frase a frase e deixa a leitura final com você.