O Turnitin detecta o Grok? O que diz a lista de modelos

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

O Grok já passou por várias versões, cada uma com capacidades e contextos de lançamento diferentes. A cláusula "tools based on these LLMs" (ferramentas baseadas nesses LLMs) significa que as aplicações derivadas que usam o Grok como modelo subjacente também estão no escopo declarado. Se todas as versões do Grok são detectadas com a mesma precisão é outra pergunta — e a própria lista não a responde.

O Turnitin não publica uma tabela de modelos com resultados de detecção do tipo aprovado ou reprovado. O que existe é 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 trabalhos em inglês consegue detectar conteúdo produzido por) uma lista que inclui o Grok ao lado de outros grandes modelos de linguagem. Claude e Gemini aparecem nessa mesma linha, e o Turnitin detecta Claude, Copilot ou Gemini examina essa ponta. A lista termina afirmando que a cobertura se estende a "tools based on these LLMs as well." (ferramentas baseadas nesses LLMs também.)

A expressão decisiva aqui é "can detect content from." (consegue detectar conteúdo produzido por). 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 as nossas capacidades de detecção para outros modelos no futuro.)

No caso do Grok, isso significa que qualquer ferramenta ou serviço que use os modelos de linguagem do Grok para produzir texto está dentro do escopo declarado. A sensibilidade dessa cobertura pode variar, e voltamos a isso 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 enviado, as frases são extraídas e divididas em segmentos sobrepostos 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 humano ou gerado por IA. Cada frase qualificada dentro desses segmentos herda a pontuação do segmento. Como os segmentos se sobrepõem, uma mesma frase pode receber mais de uma pontuação, que depois é consolidada em uma única. Essas pontuações por frase são agregadas e servem 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 frase por frase. Não é uma única varredura que carimba o documento inteiro como IA ou como humano. Cada frase contribui para o total, e a sobreposição entre os segmentos ajuda 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 desenvolvemos ainda mais o nosso modelo para detectar melhor os LLMs mais novos, é provável que as nossas capacidades de detecção também mudem, afetando a porcentagem de IA. No entanto, para um documento já enviado, a porcentagem de IA só mudará se ele for enviado novamente para processamento.)

Isso tem uma consequência prática. Se você envia um documento hoje e recebe 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 a pontuação para qualquer um dos dois lados. Uma passagem que hoje soa como humana pode passar a soar como gerada por IA depois de uma atualização, ou o contrário.

Para texto do Grok, isso significa que a taxa de detecção que você observa agora pode não ser a mesma que vai observar depois. O próprio Grok já passou por várias iterações, e o modelo do Turnitin continua em desenvolvimento. Se você tem dois relatórios do mesmo arquivo na mão, comparar dois relatórios, e não duas pontuações é a única forma de saber qual dos dois se mexeu. A lista de modelos confirma que o Grok está no escopo, mas a sensibilidade dessa detecção pode variar à medida que o Turnitin refina o seu modelo.

O Turnitin é transparente quanto ao fato de que o seu detector não pega tudo. A documentação afirma: "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 taxa baixa de 1% de falsos positivos, existe a chance de não detectarmos um pouco de texto escrito por IA em um documento. Estamos confortáveis com isso, porque não queremos sinalizar incorretamente texto escrito por humanos 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 uma parte do texto de IA passe. Um documento que mostra 50% de IA pode, na verdade, conter até 65% de conteúdo de IA. O detector erra pelo lado da cautela: prefere deixar passar texto de IA a sinalizar texto humano por engano.

Entender por que o detector funciona assim exige olhar o que ele realmente mede. O modelo do Turnitin não se apoia nas métricas que costumam aparecer nas conversas públicas sobre detecção de IA — uma afirmação que vale ler em confronto com 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." (O 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.) Em seguida, o modelo aplica o que aprendeu para classificar o texto. Nas palavras do próprio Turnitin, "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (Os nossos classificadores são treinados para detectar essas diferenças de probabilidade das palavras e são proficientes nas sequências particulares de probabilidade de palavras típicas de quem escreve.)

Em outras palavras, o detector olha padrões de probabilidade das palavras, e não sinais de superfície como variação no tamanho das frases ou raridade do vocabulário. É por isso que um texto de IA muito editado ou reescrito às vezes escapa da detecção, e é também o motivo pelo qual o Turnitin detecta humanizadores de IA não pode ser respondido com um sim. Se as sequências de probabilidade das palavras mudam o suficiente durante a edição, o classificador pode deixar de reconhecer o texto como gerado por IA. Para texto do Grok, isso significa que o detector se concentra nos padrões estatísticos da própria escrita, e não em identificar o Grok como a fonte específica.

Se o seu relatório do Turnitin sinalizar passagens como geradas por IA, o passo mais prático é mexer apenas nos trechos sinalizados, em vez de reescrever o documento inteiro — e é exatamente isso que reescrever apenas os parágrafos sinalizados em um relatório do Turnitin descreve. Como a pontuação do Turnitin é feita por frase, você consegue identificar os segmentos específicos que dispararam a detecção e concentrar a revisão neles.

Mantenha intactos as suas citações, as tabelas e a formatação. 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 apenas por causa das suas edições.

Trechos elegíveis podem ser reprocessados gratuitamente.