O Turnitin Detecta o DeepSeek? O Que Diz a Lista de Modelos

Sim. O DeepSeek é nomeado explicitamente na lista de modelos que o Turnitin publica. Segundo essa lista, o modelo de detecção de escrita por IA do Turnitin para submissões em inglês consegue detectar conteúdo de um conjunto de modelos que inclui o DeepSeek, ao lado de GPT, Gemini, Claude, LLaMA, Mistral, Nova, Grok e o1-mini. A lista também abrange "tools based on these LLMs as well," (ferramentas baseadas nesses LLMs também), o que significa que aplicações construídas sobre os modelos de linguagem do DeepSeek entram no escopo de detecção declarado.

Dito isso, estar na lista não quer dizer que toda passagem produzida pelo DeepSeek vá ser sinalizada. O próprio Turnitin reconhece que parte do texto escrito por IA passa sem ser detectada e que a capacidade de detecção muda com o tempo, à medida que o modelo é atualizado. Então a resposta honesta é: o DeepSeek está coberto, mas cobertura não é o mesmo que garantia.

O Turnitin não publica uma tabela de modelos com resultados de detecção do tipo aprovado ou reprovado. Em vez disso, ele oferece uma lista corrida, separada por vírgulas, dentro da própria documentação. A frase de abertura diz: "Currently, Turnitin's AI writing detection model for English submissions can detect content from" (atualmente, o modelo de detecção de escrita por IA do Turnitin para submissões em inglês consegue detectar conteúdo de) uma lista que inclui o DeepSeek ao lado de outros grandes modelos de linguagem. Claude e Gemini aparecem nessa mesma linha, e é justamente essa lista que o Turnitin detecta Claude, Copilot ou Gemini percorre. A lista termina afirmando que a cobertura se estende a "tools based on these LLMs as well." (ferramentas baseadas nesses LLMs também).

A expressão-chave aqui é "can detect content from." (consegue detectar conteúdo de). Essa formulação indica que o detector foi treinado para reconhecer texto gerado por esses modelos. Ela não promete detecção perfeita. A frase que vem logo depois da lista é igualmente importante: "We will continue to expand our detection capabilities to other models in the future." (continuaremos a ampliar nossa capacidade de detecção para outros modelos no futuro).

No caso do DeepSeek, isso significa que qualquer ferramenta ou serviço que use os modelos de linguagem do DeepSeek para produzir texto está dentro do escopo declarado. Se o detector pega todos os casos é outra pergunta, e é ela que respondemos nas seções abaixo.

Para entender por que a detecção não é um simples sim ou não, vale olhar o mecanismo descrito pelo Turnitin. Quando um trabalho é submetido, as frases são extraídas e divididas em seções sobrepostas para análise de predição. Cada segmento é classificado pelo modelo de detecção de IA e recebe um valor entre 0 e 1, que indica a probabilidade de o texto ser provavelmente humano ou gerado por IA. Cada frase elegível dentro desses segmentos herda a pontuação do segmento. Como os segmentos se sobrepõem, uma mesma frase pode receber mais de uma pontuação, e essas pontuações são então consolidadas em uma única. As pontuações por frase são agregadas e usadas para calcular a pontuação geral de escrita por IA do documento.

Ou seja, a porcentagem final do seu relatório é a soma de muitas pequenas predições feitas no nível da frase. Não é uma única varredura que carimba o documento inteiro como IA ou humano. Cada frase entra no total, e os segmentos sobrepostos ajudam a suavizar os casos limítrofes.

O modelo do Turnitin não é estático. Segundo a documentação, "As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage.. However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (à medida que iteramos e seguimos desenvolvendo nosso modelo para detectar melhor os LLMs mais novos, é provável que nossa capacidade de detecção também mude, afetando a porcentagem de IA. No entanto, no caso de um documento já submetido, a porcentagem de IA só mudará se ele for submetido novamente para processamento.)

Isso tem uma consequência prática. Se você submete um documento hoje e recebe uma determinada porcentagem de IA, esse mesmo documento pode receber uma porcentagem diferente se for reenviado semanas ou meses depois. O modelo é atualizado, e essas atualizações podem empurrar as pontuações para qualquer um dos dois lados, o que é um dos vários motivos pelos quais a pontuação de IA do Turnitin muda quando você reenvia. Uma passagem que hoje soa humana pode passar a soar gerada por IA depois de uma atualização, ou o contrário.

Para texto do DeepSeek, isso significa que a taxa de detecção que você observa agora pode não ser a mesma que observará depois. A lista de modelos confirma que o DeepSeek está no escopo, mas a sensibilidade dessa detecção pode variar conforme o Turnitin aperfeiçoa o seu modelo.

O Turnitin é transparente quanto ao fato de que o detector não pega tudo. A documentação diz: "In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (para manter essa baixa taxa de 1% de falsos positivos, existe a chance de deixarmos passar algum texto escrito por IA em um documento. Estamos confortáveis com isso, porque não queremos marcar incorretamente texto escrito por humano como escrito por IA. Por exemplo, se identificamos que 50% de um documento provavelmente foi escrito por uma ferramenta de IA, ele pode conter até 65% de escrita por IA.)

Essa é uma escolha deliberada. O Turnitin prioriza uma baixa taxa de falsos positivos, o que significa aceitar que parte do texto de IA passe. Um documento que acusa 50% de IA pode, na verdade, conter até 65% de conteúdo de IA. O detector prefere pecar pela cautela: deixa passar texto de IA em vez de sinalizar incorretamente texto humano.

Para entender por que o detector funciona assim, é preciso olhar o que ele realmente mede. O modelo do Turnitin não se apoia nas métricas muito citadas nas conversas públicas sobre detecção de IA, uma negativa que destrinchamos em o Turnitin usa perplexity e burstiness para detectar IA. A documentação diz: "Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions. Instead, it learns statistical patterns from our training data." (nosso modelo não é programado explicitamente para avaliar sinais específicos como 'burstiness', 'perplexity' ou outras métricas individuais às vezes citadas em discussões públicas. Em vez disso, ele aprende padrões estatísticos a partir dos nossos dados de treinamento.) Depois, o modelo aplica o que aprendeu para classificar o texto. Nas palavras do Turnitin, "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (nossos classificadores são treinados para detectar essas diferenças na probabilidade das palavras e são habilidosos nas sequências de probabilidade de palavras típicas de escritores humanos.)

Em outras palavras: o detector olha padrões de probabilidade das palavras, não sinais de superfície como variação no comprimento das frases ou raridade do vocabulário. É por isso que texto de IA muito editado ou reescrito às vezes escapa da detecção, e também por que o Turnitin detecta humanizadores de IA não tem um sim ou não limpo. Se as sequências de probabilidade das palavras mudarem o bastante durante a edição, o classificador pode deixar de reconhecer o texto como gerado por IA.

Se o seu relatório do Turnitin sinalizar passagens como geradas por IA, o passo mais prático é mexer só nas seções sinalizadas, em vez de reescrever o documento inteiro, que é o fluxo descrito em reescrevendo apenas os parágrafos que um relatório do Turnitin sinalizou. Como a pontuação do Turnitin é feita por frase, você consegue localizar os segmentos específicos que dispararam a detecção e concentrar a revisão neles.

Mantenha suas citações, tabelas e formatação intactas. Só as passagens sinalizadas como IA precisam de atenção. Se você revisar e reenviar, lembre-se de que a porcentagem de IA pode mudar por causa das atualizações do modelo, e não só por causa das suas edições.

Passagens elegíveis podem ser reprocessadas sem custo.