O Turnitin detecta Claude, Copilot ou Gemini?

As versões de Claude e Gemini aparecem numa lista de modelos dos quais o detector em inglês do Turnitin diz que "can detect content from" (consegue detectar conteúdo). O Copilot não é citado nas cinco páginas que lemos, mas isso não é nem uma isenção nem prova de que um trabalho específico feito com o Copilot será detectado. Product Updates e as notas de versão gerais também citam modelos em atualizações por idioma, portanto o FAQ não é a única fonte pública de nomes de modelos do Turnitin. Nenhum dos materiais analisados oferece uma tabela estável de probabilidades por modelo. A documentação do relatório descreve, em vez disso, probabilidades calculadas sobre trechos de texto sobrepostos, com uma saída classificada como provavelmente humana ou provavelmente gerada por IA.

As fontes são cinco páginas identificadas pelo nome, lidas em 18 de agosto de 2026: o guia do AI Writing Report, o FAQ de detecção, o registro de alterações do modelo de detecção de escrita com IA, as notas de versão gerais do Turnitin e Product Updates. As conclusões abaixo ficam dentro dessas páginas e das seções citadas. Não pretendem esgotar o site do Turnitin, e o artigo não publica totais de caracteres nem contagens de palavras de páginas que são atualizadas no próprio lugar.

Uma coisa que este texto não está defendendo: que mudar de modelo não faça diferença. As fontes analisadas não oferecem um número que permita prever essa comparação, e nós também não temos.

A lista está no FAQ de detecção de escrita com IA do Turnitin e aparece duas vezes naquela página: uma vez dentro da resposta a "How does it work?" (Como funciona?), e outra sob a pergunta "Which AI writing models can Turnitin's technology detect?" (Quais modelos de escrita com IA a tecnologia do Turnitin consegue detectar?). As duas cópias começam de forma idêntica.

"Currently, Turnitin's AI writing detection model for English submissions can detect content from GPT-4o (released 2024-05) ..." (Atualmente, o modelo de detecção de escrita com IA do Turnitin para trabalhos em inglês consegue detectar conteúdo de GPT-4o (lançado em 2024-05) ...)

O verbo merece uma segunda olhada. "Can detect content from" (Consegue detectar conteúdo de) é uma afirmação sobre cobertura. Não é uma observação sobre o que passou por um teste uma vez, e muita coisa do que se escreve sobre o tema a suaviza em silêncio até virar a segunda coisa. Em 18 de agosto de 2026, a frase citava várias versões de GPT, Gemini e Claude, ao lado de entradas de LLaMA, Mistral, Deepseek, Nova e Grok, além de o1-mini. É um retrato datado das famílias presentes, não um total permanente.

Cada entrada traz uma data de lançamento entre parênteses. Ignore essas datas. As duas cópias da mesma lista na mesma página discordam em pelo menos duas delas, e ainda discordavam quando conferimos em 18 de agosto de 2026: seja qual for a que você leia, é a própria página dizendo que as datas não são mantidas.

A frase termina então com "and tools based on these LLMs as well" (e também ferramentas baseadas nesses LLMs), e a frase seguinte diz que o Turnitin vai "continue to expand our detection capabilities to other models in the future" (continuar expandindo nossa capacidade de detecção para outros modelos no futuro).

As pessoas costumam buscar pelo nome do produto, e não pelo nome do modelo. Nas cinco páginas citadas acima, não encontramos nenhuma declaração de cobertura, número de precisão ou previsão de resultado específica do Copilot. É uma constatação limitada àquelas páginas, não uma afirmação sobre todas as páginas do Turnitin.

O FAQ encerra sua lista de modelos com "and tools based on these LLMs as well" (e também ferramentas baseadas nesses LLMs). Essa cláusula geral pode ser relevante quando uma ferramenta usa um modelo listado, mas este artigo não estabeleceu qual modelo usavam um determinado produto Copilot, um determinado modo e uma determinada data. Sem esse mapeamento, a cláusula não pode dizer se um trabalho específico feito com o Copilot será marcado. A ausência do nome do produto não prova nem isenção nem detecção.

O FAQ em inglês cita modelos numa declaração de cobertura, mas essa resposta não associa a cada entrada uma taxa de detecção, um número de precisão ou um ranking de dificuldade. O único número que ela associa à detecção é uma meta geral de falsos positivos: "under 1% for documents with over 20% of AI writing" (abaixo de 1 % em documentos com mais de 20 % de escrita com IA). O número vale para o detector como um todo; não coloca Claude contra Gemini nem contra nenhum outro par.

Outras páginas do Turnitin publicam nomes de modelos, sim. Product Updates citou versões de GPT e Gemini na sua atualização do modelo em espanhol de 5 de maio de 2026. As notas de versão gerais do Turnitin acrescentaram em 18 de agosto de 2026 uma atualização do modelo em árabe que cita versões de várias famílias. O registro de alterações separado do modelo de detecção de escrita com IA resume algumas versões com menos detalhes. Essas páginas derrubam diretamente a ideia de que o FAQ seja o único lugar público em que o Turnitin cita modelos.

O que essas atualizações com nomes continuam sem oferecer é uma tabela estável de probabilidades por modelo para um trabalho qualquer. Uma nota de cobertura de versão e uma previsão para um arquivo específico são afirmações diferentes.

O FAQ descreve o processo num único parágrafo, e ele é curto o bastante para ser lido inteiro:

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated. Each qualifying sentence within these segments inherits the segment's score." (Quando um trabalho é enviado ao Turnitin, as frases do trabalho são extraídas e segmentadas em seções sobrepostas para análise de predição. Cada seção é classificada 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 dessas seções herda a pontuação da seção.)

Duas categorias naquela última oração. Provavelmente humano, provavelmente gerado por IA. O que quer que digam a você sobre um detector que reconhece a impressão digital de um modelo específico, esta é a descrição do próprio fornecedor sobre o que o seu classificador emite, e não há uma terceira opção nela. O Turnitin também diz que o seu modelo não é construído a partir de métricas nomeadas: ele "is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions" (não é programado explicitamente para avaliar sinais específicos como 'burstiness,' ou 'perplexity,' ou outras métricas individuais às vezes citadas em discussões públicas), e "instead, it learns statistical patterns from our training data" (em vez disso, aprende padrões estatísticos a partir dos nossos dados de treinamento). O que essa distinção muda na prática está detalhado em o que os detectores de IA medem.

Se você estava imaginando um banco de detectores, um treinado por gerador, o FAQ descreve a direção oposta na frase logo depois da lista de modelos:

"In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. This update improves and simplifies the AI writing report, maintaining a less than 1% false positive rate." (Em julho de 2026, atualizamos a arquitetura do nosso modelo para consolidar um conjunto de vários modelos em um único modelo. Esta atualização melhora e simplifica o relatório de escrita com IA, mantendo uma taxa de falsos positivos abaixo de 1 %.)

O FAQ descreve um único classificador que produz probabilidades no nível do texto. Separadamente, publica uma declaração de cobertura de modelos. A frase sobre a arquitetura de julho aparece no FAQ, mas não no registro de alterações do modelo de detecção de escrita com IA. Essa divergência mostra por que é preciso nomear o tipo de página em vez de tratar qualquer página de atualizações como um histórico de versões exaustivo.

Em 4 de agosto de 2026, o Turnitin fundiu duas categorias de relatório em uma só. O destaque roxo, que marcava o texto gerado por IA que também havia sido parafraseado por IA, deixou de ser exibido. A justificativa dada na sua página de atualizações de produto é a coisa mais direta que a empresa já publicou sobre atribuição de ferramenta, e descreve os próprios usuários:

"Reduce the risk of unwarranted academic misconduct reviews by removing distinctions that could be read to imply more certainty about the specific tool or workflow used to produce a submission" (Reduzir o risco de análises injustificadas por má conduta acadêmica removendo distinções que poderiam ser lidas como uma certeza maior sobre a ferramenta específica ou o fluxo de trabalho usado para produzir um trabalho)

Uma distinção que o fornecedor criou em 2024 saiu de cena em 2026 porque os leitores estavam tirando a identidade da ferramenta de um relatório que não podia carregá-la. Repare no que não mudou. A nota de versão que anuncia a fusão diz que o modelo "will continue to detect likely AI generated content that may have been further modified by AI paraphrasers or bypassers" (continuará detectando conteúdo provavelmente gerado por IA que possa ter sido modificado depois por parafraseadores ou burladores de IA). Menos cores na interface, a mesma afirmação de detecção por baixo.

Isso tem uma consequência prática. Se você está olhando uma captura de tela com roxo nela, aquele relatório não foi gerado sob as regras atuais, porque o Turnitin diz que a atualização vale para arquivos recém-enviados e que os trabalhos já enviados precisam ser reenviados para receber o relatório atualizado. Coloque uma data num relatório antes de raciocinar a partir dele. Como ler um relatório de escrita com IA do Turnitin explica o que o número atual inclui.

A extensão, por exemplo, e numa direção que surpreende. Textos curtos recebem resultados mais grosseiros, e não mais seguros:

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap. This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (Em documentos mais curtos, onde há apenas algumas centenas de palavras, a predição será principalmente «tudo ou nada» porque estamos prevendo sobre um único segmento, sem oportunidade de sobreposição. Isso significa que parte do texto que mistura conteúdo gerado por IA e conteúdo original pode ser marcada como inteiramente gerada por IA.)

Isso é uma propriedade do documento, e não de quem o escreveu. O mesmo vale para as propriedades que o Turnitin cita ao descrever os próprios erros:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (Às vezes os falsos positivos, ou seja, marcar incorretamente como gerado por IA um texto escrito por uma pessoa, podem incluir conteúdo com pouca variação estrutural, texto que se repete literalmente ou texto que foi parafraseado sem desenvolver novas ideias.)

Variação estrutural, repetição, ideias que não se desenvolvem. Cada item é algo que se poderia medir com a fonte escondida. Nenhum deles é um fornecedor. Nada disso equivale a dizer que «mudar de modelo não serve para nada», e seria desonesto apresentar isso assim, já que as páginas simplesmente não tratam dessa comparação. Significa, sim, que a variável em que as pessoas gastam mais tempo é aquela sobre a qual a própria documentação menos diz. Se você foi marcado por algo que escreveu, preparar uma resposta é um jeito melhor de passar uma tarde.

Vendemos uma ferramenta de reescrita de documentos, então leia esta seção com isso em mente. Não prometemos nenhum resultado de detecção, e o motivo não é modéstia. Sistemas de detecção são atualizados. A página pública Product Updates registra a mudança de relatório de 4 de agosto, o que basta para mostrar que o próprio relatório pode mudar sem que isso diga nada sobre quem recebeu um aviso separado.

Escopo e custo podem ser descritos com honestidade, e é isso que A ferramenta HumanPen descreve. Um relatório do Turnitin ou do iThenticate é, no fundo, uma lista de coordenadas, e entregá-lo junto com o arquivo confina a reescrita a essas coordenadas; as frases fora delas mantêm a redação que você lhes deu. Os créditos contam quanta prosa foi alterada, não o tamanho do arquivo. Passagens elegíveis podem ser reprocessadas sem custo.

Também existe um caso real para não usar nada desse tipo, e ele está exposto separadamente em quando uma ferramenta de reescrita no nível do documento é a ferramenta errada. Seis situações, cada uma citada das nossas próprias páginas, em que a resposta honesta são as suas próprias mãos.

O Copilot não é citado. Isso ajuda? As cinco páginas analisadas não dão uma conclusão específica sobre o Copilot. A cláusula geral do FAQ sobre "tools based on these LLMs" (ferramentas baseadas nesses LLMs) pode valer quando uma ferramenta usa um modelo listado, mas não estabelecemos qual modelo estava por trás de um determinado produto Copilot, um determinado modo e uma determinada data. Um nome ausente não pode prever o resultado de um trabalho.

Algum dos modelos listados é mais seguro que os outros? As páginas analisadas não oferecem um ranking estável por modelo. Product Updates e as notas de versão às vezes citam modelos ao descrever mudanças de cobertura, mas isso não é uma tabela de probabilidades para o próximo arquivo. Uma porcentagem tirada dos trabalhos de alguém é outro tipo de evidência e deve ser lida como tal. A versão geral disso está em por que o mesmo texto tem pontuação diferente em cada detector.

Tudo isso vale para um trabalho em espanhol ou em japonês? Esses idiomas usam modelos de detecção separados, e o detalhe publicado varia conforme a página. Product Updates cita versões de GPT e Gemini na sua atualização do espanhol de 5 de maio de 2026, enquanto o registro de alterações separado do modelo de detecção resume aquela versão sem a mesma lista. As notas de versão gerais do Turnitin são uma terceira fonte, não outro nome para nenhuma das duas páginas. Mais sobre os limites por idioma está em o Turnitin consegue detectar IA em trabalhos que não estão em inglês.

Quem corrige consegue ver qual modelo eu usei? A documentação atual do relatório que analisamos descreve saídas de provavelmente humano e provavelmente IA, e não um campo com o nome do modelo. Desde 4 de agosto de 2026 o relatório mostra uma única categoria de texto gerado por IA, e o motivo declarado pela empresa para a fusão foi remover distinções "that could be read to imply more certainty about the specific tool or workflow used to produce a submission" (que poderiam ser lidas como uma certeza maior sobre a ferramenta específica ou o fluxo de trabalho usado para produzir um trabalho).

Usei uma versão mais antiga de um modelo que está na lista. Resultado diferente? As páginas analisadas não nos permitem prever isso. As versões aparecem separadamente na lista do FAQ, cada uma com uma data entre parênteses, mas as duas cópias se contradizem em algumas datas e não associam um número de resultado a cada versão. Uma atualização de cobertura datada também não preveria um arquivo específico.