Qual é a precisão do Detector de IA do ZeroTell?

O Detector de IA do ZeroTell envia cada frase de um texto ao modelo Gemini 3.8 Flash, do Google, com nossas próprias instruções de pontuação. Uma frase com pontuação de 50% ou mais é destacada como parecida com IA, e a pontuação do documento é a fração do texto que está em frases destacadas. Em 28 de outubro de 2026, medimos exatamente o modelo e as configurações que o site usa em três conjuntos de teste rotulados. Cada número abaixo vem direto do relatório de avaliação gerado pelo nosso script de teste; só citamos grupos com pelo menos 200 documentos ou frases.

Dois resultados importam mais. Textos humanos raramente são sinalizados: 0,6% dos documentos humanos no conjunto separado e 0,9% das redações escritas por estudantes que não têm o inglês como língua nativa. Mas, nos nossos próprios dados, texto de IA parafraseado por outro modelo passa despercebido com muito mais frequência: só 71,1% desses documentos foram detectados no conjunto separado. No benchmark público MAGE, o mesmo tipo de texto foi detectado com muito mais frequência (96,9%), então os resultados dependem muito do texto.

Conjunto de teste separado (1.827 documentos, 23.635 frases): uma parte fixa dos nossos próprios dados rotulados que nunca usamos para desenvolver o detector. Os documentos são distribuídos por grupo de origem, então nenhum texto-fonte dos nossos dados de desenvolvimento, nem nenhuma de suas reescritas por IA, aparece aqui. Os textos humanos vêm de fontes publicadas, a maioria escrita antes de as ferramentas de escrita com IA se popularizarem (notícias, artigos de enciclopédia e da web, respostas humanas a perguntas); os textos de IA incluem saídas de modelo sem edição, texto parafraseado por um segundo modelo, rascunhos humanizados e documentos mistos, em 10 idiomas. A maioria dos documentos de IA deste conjunto foi escrita por modelos Gemini e GPT.

Redações de estudantes (555 documentos): redações de estudantes que não têm o inglês como língua nativa, do corpus ELLIPSE, pareadas com redações de IA escritas sobre os mesmos temas e com redações de IA que depois foram parafraseadas ou humanizadas. Este conjunto é usado só para avaliação, nunca para desenvolver o detector.

Benchmark MAGE (1.600 documentos): um benchmark público de pesquisa para texto gerado por máquina, que não usamos para desenvolver o detector. Ele inclui texto de IA de famílias de modelos que não estão nos nossos próprios dados e uma grande parcela de texto de IA parafraseado. Como o benchmark é público, o modelo Gemini subjacente pode ter visto partes dele no próprio treinamento, então leia os resultados dele como um cenário otimista.

Estes são resultados nos nossos conjuntos de teste, não uma garantia para nenhum texto específico. Textos curtos, rascunhos muito editados, texto de IA parafraseado e textos de modelos que não testamos podem ter pontuações diferentes.

Uma taxa de falsos positivos baixa não é zero. Se o seu texto for sinalizado, trate a pontuação como um motivo para olhar com mais atenção, não como prova — veja nossa página de Integridade acadêmica para saber o que fazer.

Os números estão ligados a um modelo e a uma versão da forma como o texto é enviado a ele. Quando mudamos qualquer um dos dois, rodamos a avaliação de novo e substituímos este relatório.

Um script de avaliação passa cada documento de teste pelo mesmo detector que o site usa e depois compara a pontuação de cada documento e de cada frase com seu rótulo conhecido. Ele informa os resultados em dois limiares (50%, o que o site usa, e 70% para comparação), por idioma, gênero textual e fonte, e marca qualquer grupo com menos de 200 itens como pequeno demais para ser citado. Esta página mostra só esses grupos maiores. Os documentos que o filtro de conteúdo do Google se recusou a processar não têm pontuação e ficam fora dos números: 1 no conjunto separado, 0 entre as redações de estudantes e 1 no MAGE. Todos os outros documentos receberam pontuação.