OpenAI liga a marca d’água na API e deixa a decisão com o dev

OpenAI anunciou em 5 de outubro o textGrain, sistema de marca d’água para textos gerados por seus modelos. A medida responde às regras europeias de transparência. O anúncio trouxe, porém, um detalhe pouco comentado.

Clientes da API já podem ativar o recurso em modelos selecionados, em qualquer país. O Brasil entra nessa lista.

Na API, contudo, a opção permanece desligada por padrão. Portanto, a escolha fica com quem integra.

No ChatGPT e no Codex, a aplicação será obrigatória nas próximas semanas, apenas na União Europeia.

Como o sinal entra no texto da OpenAI

Vale entender o mecanismo. Durante a geração, o modelo escolhe tokens sucessivos a partir de probabilidades.

O textGrain ajusta esse processo. Entretanto, usa valores associados a uma chave secreta e ao contexto do trecho.

O detector, por sua vez, recebe o texto e a mesma chave. Assim, ele verifica se as escolhas seguem o padrão esperado com frequência acima do acaso.

Repare no que fica de fora. Nenhum caractere escondido, espaço invisível ou pontuação incomum entra no resultado.

A diferença para detectores comuns também importa. Ferramentas tradicionais procuram semelhança com padrões de escrita, enquanto aqui o sinal nasce durante a geração.

OpenAI publicou os números e eles pedem cautela

Os testes usaram taxa alvo de falsos positivos de 1%. Conteúdos como psicologia, o detector identificou marcas em cerca de 80% dos trechos de 200 tokens.

Com 400 tokens, o índice subiu para 95%. No entanto, já em matemática o resultado ficou inferior, por existir menos liberdade na escolha de palavras.

A edição derruba o sinal rapidamente. Em trechos de 400 tokens, trocar 10% das palavras por sinônimos reduziu a detecção de cerca de 92% para 66%.

Com 25% de substituição, o índice caiu para 17%. Contudo,  teste usou respostas em inglês.

Esses percentuais descrevem avaliações específicas. Logo, eles evitam garantir desempenho em qualquer texto, idioma ou situação.

O que a marca deixa de provar

Além disso, a empresa listou os limites com clareza. Encontrar o sinal falha em determinar quanto do trabalho veio de uma pessoa.

A marca também evita identificar o usuário, revelar comandos ou estabelecer propriedade e responsabilidade legal. Veracidade das informações segue fora do alcance.

O caso inverso merece atenção igual. A ausência do sinal falha em provar autoria humana, já que textos curtos, reescritos, traduzidos ou gerados por modelos sem suporte escapam.

Por causa dos erros possíveis, o detector fica fora do público no lançamento. Pesquisadores e organizações especializadas podem solicitar acesso mediante aprovação.

OpenAI responde ao AI Act e promete código aberto

O anúncio integra a resposta ao regulamento europeu de inteligência artificial↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →. As obrigações exigem que conteúdos gerados sejam identificáveis em formato legível por máquina, respeitando os limites técnicos de cada mídia.

A Comissão Europeia separa duas coisas. Essa marcação difere dos deveres de quem publica ou utiliza o material.

Existe ainda uma exceção relevante. Textos que informam o público sobre assuntos de interesse público dispensam a divulgação quando há revisão humana e responsabilidade editorial.

A empresa planeja disponibilizar o textGrain em código aberto↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) →. Além disso, a Anthropic já havia anunciado marcas d’água para textos do Claude.

O que fazer com esse botão no seu produto

Primeiro, avalie o público. Produto com usuários na União Europeia tende a precisar do recurso ligado.

Segundo, teste o impacto na saída. A empresa afirma manter a qualidade, ainda assim vale medir no seu caso.

Terceiro, pense no seu próprio registro. Metadado de procedência no banco resolve melhor que inferência estatística depois.

Além disso, cuidado com texto curto no seu fluxo. Mensagem de commit e descrição de ticket ficam bem abaixo de 200 tokens.

Por fim, acompanhe a liberação em código aberto. Implementação pública permite auditar o método e entender o custo real.

Acompanhe nosso perfil no Instagram!