Originality AI é um verificador de texto desenvolvido no Canadá que avalia geração por IA e plágio para editoras, agências e docentes; os seus números de precisão são autodeclarados e as próprias condições proíbem usar as pontuações como único motivo para sancionar alguém.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
Originality AI é um serviço de verificação de texto baseado na web, operado pela Originality AI Inc, empresa canadiana registada na 64 Hurontario St, em Collingwood, Ontário. Recebe um texto e devolve dois juízos principais: uma pontuação que indica a probabilidade de ter sido gerado por um modelo de IA, e uma verificação de plágio face a material já publicado. Em torno destes situam-se verificações secundárias — gramática, legibilidade, verificação de factos, pontuação de qualidade do conteúdo e conformidade com diretrizes.
A empresa foi fundada por Jon Gillham depois de ter vendido uma agência de marketing de conteúdos que ele próprio criara, e o serviço foi lançado em novembro de 2022 — o que é notável, antes do lançamento público do ChatGPT, quando estava construído para detetar saídas do GPT-3. É nessa anterioridade que assenta a afirmação de ter sido o primeiro detetor de IA disponível comercialmente.
Todo o resto deste artigo depende de uma distinção, pelo que convém enunciá-la logo. A página inicial descreve o produto como «o detetor de IA mais preciso em estudos de terceiros». Só que os números de precisão que a empresa publica — 99 %, 99 %+, 97,8 % e taxas de falsos positivos entre 0,5 % e 2,4 % — provêm de conjuntos de dados que as suas próprias tabelas de referência identificam como «Internal Benchmark». São testes conduzidos pelo fornecedor sobre dados escolhidos pelo fornecedor, e nenhum foi auditado de forma independente. Entretanto, a literatura revista por pares que existe sobre este problema chega a uma conclusão marcadamente diferente sobre as ferramentas de deteção enquanto categoria. Ambos os lados ficam expostos abaixo, porque quem tenha de decidir se confia nesta ferramenta precisa dos dois.
Há três modelos atuais, publicados em setembro de 2025, e o fornecedor apresenta um número concreto para cada um. O Lite 1.0.2 é anunciado com 99 % de precisão sobre os principais modelos de referência — OpenAI, Gemini, Claude e DeepSeek — com uma taxa de falsos positivos de 0,5 %. O Turbo 3.0.2 é anunciado com 99 %+ sobre esses mesmos modelos, com até 97 % de precisão em conteúdo «humanizado» e uma taxa de falsos positivos de 1,5 %. O Academic 0.0.5 é anunciado com 99 %+ e menos de 1 % de falsos positivos, orientado para material académico incluindo respostas científicas, código e fórmulas, e com até 92 % de precisão perante ferramentas de humanização e contorno.
São estes os números em que assenta o discurso comercial, e vale a pena lê-los ao lado da fonte que o próprio fornecedor lhes atribui. A tabela publicada coloca o Lite 1.0.2 em 98,91 % de verdadeiros positivos, 0,52 % de falsos positivos e 1,09 % de falsos negativos — face a um conjunto de dados que o cabeçalho de coluna do fornecedor designa como «Internal Benchmark: Recently Released Models».
Introduzida em junho de 2026, a AI Allowance rompe com a pergunta binária que todos os detetores fizeram até agora. Em vez de «isto é IA ou não», define-se quanta intervenção de IA se está disposto a aceitar — 0 %, 5 %, 15 %, 25 % ou 40 % — e a ferramenta pontua face a esse limiar. O fornecedor reivindica 99 %+ de precisão na definição predefinida de 15 %.
Conceptualmente é o elemento mais interessante do produto, porque reconhece aquilo que o enquadramento binário esconde: em 2026 a maior parte da escrita real situa-se num contínuo entre o inteiramente humano e o inteiramente automático, e uma política editorial costuma preocupar-se com o grau, não com a mera presença. Se a medição subjacente sustenta de facto essa distinção mais fina, isso é atestado, uma vez mais, apenas por testes internos.
O modelo Multilingual 2.0.0, publicado em maio de 2025, abrange 30 idiomas com uma precisão global anunciada de 97,8 %, falsos negativos reduzidos a 1,99 % e uma taxa de falsos positivos de 2,4 %.
Este último número merece atenção, pois é a própria divulgação do fornecedor de que a deteção fora do inglês é mensuravelmente mais fraca: 2,4 % de falsos positivos contra 0,5 % do Lite e menos de 1 % do Academic. Quem avalie textos numa língua que não o inglês trabalha, segundo os números da própria empresa, com aproximadamente duas a cinco vezes a taxa de falsos positivos dos modelos ingleses.
A deteção de plágio é uma linha de produto equiparável e não um extra — entre os motivos declarados do fundador estava construir um verificador de plágio moderno com histórico de análises, resultados partilháveis e acesso em equipa. Em torno destes dois pilares situam-se o verificador de factos, o corretor gramatical, o analisador de legibilidade, a pontuação de qualidade do conteúdo e o verificador de diretrizes, além do Bulk Scan para volume e das análises de site completo a partir de um URL.
A extensão do Chrome executa análises diretamente dentro do Google Docs e consegue reproduzir o processo de escrita — mostrando como um documento foi composto ao longo do tempo em vez de julgar apenas o texto acabado. É um tipo de prova distinto de uma pontuação: prova de processo em vez de inferência estatística, e consideravelmente mais difícil de falsificar. Para um docente que tenta apurar se um aluno escreveu de facto um texto, uma reprodução que mostre a redação a acontecer organicamente é mais informativa do que qualquer percentagem.
Em matéria de transparência a empresa fez mais do que a maioria dos concorrentes: em agosto de 2023 publicou um conjunto de dados de referência em código aberto e ferramentas abertas de teste de eficácia. Numa categoria em que a maioria dos fornecedores nada publica, é um passo genuíno e pouco comum.
Deve ser pesado com dois factos contrários. Os números de precisão dos modelos de topo atuais continuam a vir de referências internas e não desse conjunto aberto, e as condições proíbem engenharia inversa, descompilação ou qualquer tentativa de derivar os modelos, pesos, prompts ou referências não públicas — o que significa que terceiros não podem verificar de forma independente como o sistema atual chega às suas conclusões.
O nível Enterprise está explicitamente posicionado para agências e editoras, e é o uso em que as limitações da ferramenta pesam menos. Quando um editor verifica se um colaborador entregou o que foi encomendado, uma pontuação de deteção é um contributo para a conversa, não um veredito com consequências. A análise em lote e a de site completo tornam isto praticável em escala.
A AI Allowance encaixa em organizações que efetivamente redigiram uma política — «a assistência de IA é aceitável para pesquisa e estruturação, mas o texto tem de ser seu» — em vez de uma proibição geral. Fixar um limiar correspondente à política é mais honesto do que fingir que um detetor binário consegue aplicar uma regra com nuances.
O modelo Academic, o plugin do Moodle e as disposições sobre dados de alunos mostram que este segmento é servido deliberadamente. Mas é também aqui que as próprias condições da ferramenta impõem os limites mais nítidos, tratados adiante. Usada como um sinal entre vários — a par de uma reprodução de escrita, um histórico de rascunhos ou uma conversa com o aluno — pode contribuir. Usada como fator decisivo, viola a política de uso aceitável do próprio fornecedor.
Quem encomenda conteúdos, avalia uma colaboração ou pondera se as avaliações de produto são genuínas tem aqui uma necessidade legítima, e as consequências de um falso positivo são proporcionadas: recusa-se um envio em vez de penalizar uma pessoa.
Um uso muitas vezes esquecido: quem escreve num registo formal e estruturado — o que descreve muitíssimos autores não nativos de inglês, redatores técnicos e académicos — pode verificar se a sua prosa corre risco de ser sinalizada, e saber antecipadamente que talvez precise de se explicar. É um uso defensivo da ferramenta que os seus críticos raramente mencionam.
Sem conta há três análises por dia até 2.000 palavras. Use-as em textos cuja origem já conhece com certeza — algo que escreveu e algo que sabe ter sido gerado por máquina — para calibrar as suas expectativas antes de gastar dinheiro.
Atenção à contrapartida: o texto introduzido no detetor gratuito pode ser usado para treino. Recusar exige uma conta paga. Não cole material confidencial ou de clientes na ferramenta gratuita.
Lite, Turbo e Academic não são intermutáveis. O Academic foi construído para respostas científicas, código e fórmulas, e reporta a taxa de falsos positivos mais baixa. O Turbo é a opção mais robusta perante ferramentas de humanização. Se o seu texto não for em inglês, aplica-se o modelo multilingue com a taxa mais elevada de 2,4 %.
Se usar a AI Allowance, ajuste a percentagem a uma política que tenha efetivamente escrito. Escolher 0 % porque parece rigoroso, quando a política real tolera pesquisa assistida por IA, produz sinalizações que depois irá ignorar — e isso habitua-o a desconfiar da ferramenta por completo.
É neste passo que se decide se usa a ferramenta de forma responsável. Uma pontuação alta de IA significa que o texto apresenta propriedades estatísticas semelhantes às da geração automática. Não estabelece como o texto foi produzido. Registo formal, vocabulário simples, prosa muito trabalhada e construções não nativas empurram todos a pontuação para cima por razões alheias ao uso de IA.
Se o resultado puder afetar alguém, reúna outros sinais: histórico de versões, reprodução de escrita, uma amostra de texto anterior para comparação, ou uma conversa. Não é cautela minha — é o que as condições do fornecedor lhe exigem, como se expõe adiante.
Um crédito equivale a 100 palavras. Os créditos de subscrição expiram no fim de cada mês e não transitam; os créditos avulso comprados à parte duram dois anos. Se a sua carga for irregular, a via avulso evita pagar todos os meses por capacidade que se perde.
O Enterprise oferece 365 dias de histórico de análises; o Pro não especifica retenção equivalente. Se os resultados de deteção puderem vir a informar decisões sobre pessoas, só a possibilidade de rever o que foi analisado e quando já justifica a diferença de nível.
A secção 9 das condições proíbe usar o resultado como base única de decisões com consequências e proíbe penalizar um aluno, trabalhador, prestador, redator ou candidato apenas com base numa pontuação de deteção ou plágio. Se está a desenhar um fluxo institucional, essa cláusula deve moldá-lo. Que um fornecedor o escreva é invulgar e meritório; ao mesmo tempo, vincula-o a si enquanto utilizador.
Antes de implementar em escala, passe um conjunto de textos que sabe terem sido escritos por humanos da mesma população que irá avaliar — mesma matéria, mesmo enquadramento linguístico, mesmo registo. A referência de um fornecedor nada diz sobre o seu corpus concreto, e esta é a única forma de saber qual é a sua própria taxa de falsos positivos.
Os próprios números do fornecedor colocam os falsos positivos multilingues em 2,4 % contra 0,5 % do modelo inglês Lite. Se avalia textos traduzidos ou não ingleses, ajuste a sua confiança em conformidade.
Em todos os relatos publicados sobre o funcionamento destes sistemas a fiabilidade cresce com o comprimento, incluindo a nota da própria OpenAI de que o seu classificador não era fiável abaixo de 1.000 caracteres. Uma sinalização sobre um parágrafo é praticamente destituída de significado.
Se conseguir obter prova de processo, ela é mais forte do que uma pontuação. Uma reprodução que mostre um documento a ser redigido, revisto e reestruturado ao longo de horas é prova positiva de autoria humana como nenhuma percentagem consegue ser.
O que se introduz no plano gratuito pode ser usado para treino, e só contas pagas podem recusar. Trabalhos de clientes, manuscritos inéditos e submissões de alunos com dados pessoais só têm lugar, se é que têm, numa conta paga.
Avaliadores verificados relatam que o caminho de cancelamento é difícil de concluir. Seja qual for a sua leitura, a resposta prática é a mesma: cancelar bem antes de uma data de renovação, obter confirmação escrita e verificar o ciclo de faturação seguinte.
Editoras, agências e mercados de conteúdo encaixam melhor, porque as decisões que a ferramenta informa são comerciais e não pessoais — aceitar ou recusar um trabalho — e o instrumental de análise em lote e de site completo corresponde ao modo como operam.
Equipas editoriais com uma política de IA escrita obtêm valor real especificamente da AI Allowance, já que uma ferramenta baseada em limiares encaixa numa política baseada em limiares de um modo que um detetor binário nunca conseguiria.
Docentes e instituições são servidos deliberadamente — modelo Academic, plugin do Moodle, proteção de dados de alunos — mas deveriam ler integralmente a secção de limitações antes de construir qualquer processo, e tratar a proibição do próprio fornecedor de decidir apenas com esta base como uma restrição de conceção e não como letra miudinha.
Autores que verificam o próprio trabalho, sobretudo os que escrevem em registo formal ou em inglês como língua adicional, têm um uso genuinamente defensivo.
Quem deve procurar noutro lado: quem procure prova em vez de probabilidade não a encontrará aqui nem em qualquer produto concorrente, porque o problema de fundo não admite prova por agora. Instituições que queiram automatizar decisões sobre fraude académica ficam explicitamente fora do que o fornecedor permite. Quem avalie sobretudo textos não ingleses deve ponderar com cuidado a taxa de falsos positivos declarada mais alta. E quem não possa tolerar uma pequena percentagem de respostas erradas com consequências reais não deveria usar deteção automatizada de todo.
O Originality AI é entregue como aplicação web com painel de controlo, e alcança outros ambientes através de uma extensão do Chrome (que executa análises no Google Docs e oferece a reprodução de escrita), um plugin do Moodle para estabelecimentos de ensino, uma API para uso programático e integrações empresariais. O carregamento de ficheiros aceita docx, doc e PDF, além de texto colado ou escrito, e a análise de site recebe um URL.
O acesso à API é uma funcionalidade do nível Enterprise e não do Pro. As ferramentas gratuitas — verificador de IA, verificador de factos, verificador de plágio, analisadores de legibilidade e gramática — estão expostas como páginas autónomas no site.
Há dois níveis de subscrição publicados, ambos faturados em dólares norte-americanos, com desconto anual face ao mensal.
Pro custa 12,95 $/mês com faturação anual (155,40 $ por ano) ou 14,95 $/mês em faturação mensal, dirigido a particulares e equipas pequenas. Inclui 2.000 créditos por mês, valendo um crédito 100 palavras — cerca de 200.000 palavras analisadas mensalmente. Inclui apoio padrão, carregamento de ficheiros, análises de site completo, gestão de equipa, etiquetagem de análises e a extensão do Chrome. Lugares adicionais custam 9,95 $/mês, ou 8,62 $ em faturação anual.
Enterprise custa 136,58 $/mês com faturação anual (1.638,96 $ por ano) ou 179 $/mês mensal, dirigido a agências e editoras. Inclui 15.000 créditos por mês, um gestor de sucesso do cliente dedicado, apoio prioritário com resolução típica em menos de uma hora, 365 dias de histórico de análises e acesso à API. Lugares adicionais custam 24,95 $/mês, ou 19,04 $ anuais.
O acesso gratuito existe sem conta: três análises por dia até 2.000 palavras. O texto assim submetido pode ser usado para treino, e só contas pagas podem recusar.
Duas mecânicas de créditos pesam mais do que o preço de tabela. Os créditos de subscrição expiram no fim de cada mês se não forem usados — não se acumulam. Os créditos avulso, adquiridos num pagamento único, expiram dois anos após a compra. Se a sua atividade for sazonal ou por projeto, a via avulso evita pagar todos os meses por capacidade que se evapora.
Quanto a reembolsos, as condições são diretas: o cancelamento interrompe renovações futuras mas não reembolsa automaticamente cobranças anteriores; as taxas não são reembolsáveis uma vez pagas, salvo se a lei ou um formulário de encomenda dispuserem o contrário; e os serviços consumidos — análises concluídas, verificações de plágio, chamadas à API — não podem ser reembolsados. As condições preservam, porém, os direitos imperativos do consumidor a que não se pode renunciar.
GPTZero é o concorrente mais direto no segmento educativo e publica as suas próprias afirmações de precisão com a mesma ressalva fundamental — testes conduzidos pelo próprio fornecedor. Comparar os dois com o seu próprio corpus de proveniência conhecida é mais informativo do que comparar os respetivos argumentários.
Turnitin traz peso institucional através das relações existentes com sistemas de gestão de aprendizagem e de uma infraestrutura de plágio de longa data; nas universidades, o caminho de integração e o processo de aquisição decidem muitas vezes a questão antes da precisão. Foi também um dos dois sistemas comerciais incluídos na avaliação de Weber-Wulff referida adiante.
Copyleaks compete na deteção de IA e no plágio com ênfase particular na cobertura multilingue, o que pode importar se o seu corpus for maioritariamente não inglês, dadas as taxas de falsos positivos declaradas mais altas nesse contexto.
Winston AI e outros entrantes mais recentes competem no preço e em afirmações concretas sobre a deteção de saídas de ferramentas de humanização. A mesma cautela probatória aplica-se igualmente a todos.
Dispensar a deteção automatizada merece constar como opção real. A prova de processo — histórico de rascunhos, controlo de versões, defesa oral, escrita em sala — produz conclusões que realmente se conseguem defender, e várias instituições avançaram deliberadamente nesse sentido. Dá mais trabalho e escala mal, mas não traz consigo uma taxa de falsos positivos.
O resumo honesto: numa categoria cujas afirmações centrais são estruturalmente difíceis de verificar, o Originality AI está entre os fornecedores mais transparentes. Publica um histórico de modelos, distribuiu ferramentas de referência abertas e inscreve limites de uso explícitos nas suas próprias condições. Nada disso resolve a questão de fundo — se algum detetor é suficientemente preciso para um uso com consequências — e a literatura independente sugere que a categoria no seu conjunto não é.
Esta é a ressalva central e aplica-se sem exceção. Os 99 %, 99 %+, 97,8 % e as taxas de falsos positivos de 0,5 % a 2,4 % resultam todos de testes da própria empresa sobre conjuntos de dados que as suas tabelas identificam como «Internal Benchmark». Nenhum auditor independente os verificou. Não é uma acusação de má-fé — é uma descrição do estatuto probatório desses números, e é o estado normal das coisas em toda esta categoria.
A afirmação associada exige igual precisão. A página inicial descreve o produto como «o detetor de IA mais preciso em estudos de terceiros». O artigo da empresa sobre precisão tem um subtítulo que promete um panorama de estudos de terceiros, mas os dados substantivos de precisão apresentados nessa página vêm de referências internas. Quem procure os estudos de terceiros que sustentariam a frase da página inicial não encontrará aí as citações correspondentes.
A avaliação independente mais substancial é a de Weber-Wulff e colegas, «Testing of detection tools for AI-generated text», publicada no International Journal for Educational Integrity (vol. 19, art. 26, 2023). Testou 12 ferramentas de deteção publicamente disponíveis mais dois sistemas comerciais, e concluiu que as ferramentas de deteção disponíveis «não são nem exatas nem fiáveis», com um enviesamento significativo no sentido de classificar erradamente conteúdo de IA como escrito por humanos. Concluiu ainda que técnicas de ofuscação pioram significativamente o desempenho das ferramentas, e os autores sublinharam as implicações sérias de usar tais sistemas em contexto académico.
Este estudo não visava especificamente o Originality AI, e os modelos testados são anteriores à geração atual. Mas é o que existe de mais próximo de uma avaliação independente da categoria, e a sua conclusão é difícil de conciliar com a afirmação de 99 % de qualquer fornecedor.
Liang, Yuksekgonul, Mao, Wu e Zou, de Stanford, publicaram «GPT detectors are biased against non-native English writers» (arXiv 2304.02819, submetido em abril de 2023, versão final em julho de 2023). A sua conclusão: os detetores classificam sistematicamente de forma errada a escrita não nativa em inglês como gerada por IA, ao mesmo tempo que classificam corretamente a escrita nativa. Mostraram ainda que uma simples reformulação por prompt consegue reduzir esse enviesamento e também contornar a deteção — um resultado que abala a fiabilidade da deteção pelos dois lados.
O Originality AI respondeu publicamente, num artigo intitulado «Uma resposta a um estudo defeituoso de Stanford». A resposta contesta a metodologia. É de notar que reproduz igualmente os números centrais do estudo sem os contestar: que os detetores rotularam erradamente mais de metade dos ensaios TOEFL como gerados por IA, com uma taxa média de falsos positivos de 61,3 %.
Cada leitor tirará as suas conclusões desta troca. O que não está em disputa é que o risco de classificar mal a escrita não nativa é uma preocupação documentada e publicada cuja existência ambas as partes reconhecem.
A indicação mais clara da dificuldade do problema vem da empresa que constrói os modelos a detetar. A página do classificador da OpenAI tem esta nota: «Desde 20 de julho de 2023, o classificador de IA já não está disponível devido à sua baixa taxa de precisão.» O desempenho publicado: «identifica corretamente 26 % do texto escrito por IA (verdadeiros positivos) como "provavelmente escrito por IA", ao mesmo tempo que rotula erradamente texto escrito por humanos como escrito por IA em 9 % das vezes».
Não é um comentário sobre os modelos concretos do Originality AI, que reivindicam números bem melhores. É o contexto de quanto ceticismo esta categoria conquistou.
Para quem trabalhe em educação ou recursos humanos, este é o ponto mais importante do artigo, e vem da própria empresa. A secção 9 das condições proíbe os utilizadores de usar o resultado «como base única de decisões que possam ter efeitos legais, académicos, laborais, de habitação, seguros, crédito, disciplinares, reputacionais, médicos ou de importância comparável sobre uma pessoa», e especificamente de «acusar, disciplinar, penalizar, despedir, chumbar, denunciar ou de outro modo prejudicar materialmente um aluno, trabalhador, prestador, redator, candidato ou outra pessoa apenas por causa de um resultado de deteção de IA ou de uma pontuação de plágio». A secção 8 exige «usar revisão humana e processo devido adequado antes de qualquer ação que possa afetar materialmente uma pessoa».
Lido sem rodeios: o fornecedor comercializa o detetor mais preciso disponível e proíbe-o simultaneamente de tratar o seu resultado como fundamento suficiente para chumbar um aluno ou despedir um trabalhador. Ambas as posições são defensáveis, e sustentá-las em conjunto é mais honesto do que a maioria dos concorrentes consegue. Mas uma instituição que adote esta ferramenta para automatizar apuramentos de fraude está a violar as condições que aceitou.
Mesmo aceitando os números da empresa pelo seu valor facial, a aritmética continua a importar. Com a taxa declarada de menos de 1 % de falsos positivos do modelo Academic, analisar mil trabalhos verdadeiramente escritos por humanos poderia ainda assinalar perto de dez. Com os 2,4 % do modelo multilingue, o número absoluto é ainda maior. Percentagens que parecem tranquilizadoras num folheto descrevem um número substancial de pessoas concretas quando aplicadas a uma turma inteira.
O perfil do Trustpilot apresenta 4,6 em 1.294 avaliações — uma amostra grande — distribuídas por 80 % de cinco estrelas, 6 % de quatro, 1 % de três, 1 % de duas e 12 % de uma estrela.
Duas ressalvas. O perfil está reclamado pelo fornecedor desde setembro de 2023, o Trustpilot assinala que a empresa convida ativamente à avaliação, e o fornecedor respondeu a 89 % das avaliações negativas — tudo isso cria pressão de seleção no sentido positivo. Mais substancialmente, a leitura das avaliações positivas recentes mostra que se concentram fortemente no apoio ao cliente, nomeando repetidamente elementos concretos da equipa, e não na exatidão da deteção. O 4,6 lê-se melhor como sinal sobre a capacidade de resposta da empresa do que como validação pelos utilizadores da correção do detetor.
Do lado negativo repete-se uma queixa concreta sobre o cancelamento. Um avaliador verificado descreve a hiperligação de cancelamento como «extremamente minúscula, bem escondida e num tipo de letra quase inteiramente transparente», seguida de cerca de oito ofertas de retenção, e indica que escolher deixar comentários tornava literalmente impossível concluir o cancelamento, ficando a conta em pausa.
Os créditos de subscrição não transitam — a capacidade não usada desaparece no fim do mês. O cancelamento interrompe renovações futuras mas não reembolsa cobranças anteriores, e as análises e chamadas à API consumidas não são reembolsáveis. Para cargas irregulares, a opção avulso, válida dois anos, encaixa estruturalmente melhor.
As condições proíbem engenharia inversa, descompilação ou a tentativa de derivar código-fonte, algoritmos, pesos do modelo, prompts, conceção do sistema ou referências não públicas. É uma proteção comercial padrão, mas combinada com números de precisão gerados internamente significa que as afirmações centrais do produto não são verificáveis do exterior, por conceção.
O próprio histórico de modelos do fornecedor mostra a precisão no seu conjunto de teste mais difícil a passar de 90,2 % para 98,8 % numa versão, enquanto os falsos positivos melhoravam apenas marginalmente, de 2,9 % para 2,8 %, no mesmo passo. Essa trajetória reflete um alvo em movimento: as ferramentas de humanização e contorno evoluem a par dos detetores, e um número publicado hoje descreve o desempenho perante as técnicas de evasão que existiam quando o teste foi feito.
A empresa declara 99 % ou mais para os seus modelos atuais em inglês, com taxas de falsos positivos entre 0,5 % e menos de 1 %, e 97,8 % globais para o modelo multilingue de 30 idiomas com 2,4 % de falsos positivos. Todos estes números resultam de testes da própria empresa sobre conjuntos identificados como «Internal Benchmark», e nenhum foi auditado de forma independente. O trabalho independente revisto por pares sobre ferramentas de deteção enquanto categoria — sobretudo Weber-Wulff e colegas, 2023 — concluiu que as ferramentas disponíveis «não são nem exatas nem fiáveis». Trate os números do fornecedor como afirmações, não como medições.
Sim, e o fornecedor publica diretamente essas taxas. Mais importante ainda, a investigação publicada documenta que o risco não está distribuído por igual: um estudo de Stanford concluiu que os detetores classificam erradamente a escrita não nativa em inglês como gerada por IA muito mais vezes do que a escrita nativa, com uma taxa média de falsos positivos de 61,3 % em ensaios TOEFL. O Originality AI contesta a metodologia desse estudo ao mesmo tempo que reproduz os seus números. Registo formal, vocabulário simples e edição intensa elevam a pontuação por razões alheias à IA.
Não por si só — e esta é a regra do próprio fornecedor, não um mero conselho. As condições proíbem usar o resultado como base única de decisões com consequências académicas, laborais ou disciplinares, e proíbem especificamente penalizar um aluno, trabalhador, prestador, redator ou candidato apenas com base numa pontuação de deteção ou plágio. Exigem também revisão humana e processo devido antes de qualquer ação que possa afetar materialmente uma pessoa.
O Pro custa 12,95 $/mês em faturação anual ou 14,95 $ mensal, com 2.000 créditos por mês. O Enterprise custa 136,58 $/mês anual ou 179 $ mensal, com 15.000 créditos, acesso à API, 365 dias de histórico e apoio prioritário. Um crédito equivale a 100 palavras. Lugares adicionais são cobrados à parte em ambos os níveis. Existe acesso gratuito de três análises por dia até 2.000 palavras, sem conta.
Há — três análises por dia até 2.000 palavras, sem necessidade de conta. A contrapartida é que o texto introduzido no detetor gratuito pode ser usado para treino, e só contas pagas podem recusar. Não o use para material confidencial ou de clientes.
Nas subscrições, não. Os créditos de subscrição expiram no fim de cada mês se não forem usados. Os créditos avulso comprados à parte expiram dois anos após a data de compra, o que se adequa melhor a cargas irregulares.
Sim, através de um modelo multilingue que abrange 30 idiomas, com uma precisão global declarada de 97,8 %. Note que a mesma divulgação coloca a sua taxa de falsos positivos em 2,4 %, contra 0,5 % do modelo inglês Lite — sensivelmente mais alta, pelos próprios números do fornecedor.
O fornecedor afirma que o Turbo 3.0.2 identifica conteúdo humanizado com até 97 % de precisão e que o Academic 0.0.5 resiste a ferramentas de humanização e contorno com até 92 %. São números internos. Como deteção e evasão coevoluem, qualquer número deste tipo descreve o desempenho perante as técnicas de contorno disponíveis quando o teste foi realizado.
A distribuição no Trustpilot é de 4,6 em 1.294 avaliações, com 80 % de cinco estrelas e 12 % de uma. As avaliações positivas concentram-se no apoio ao cliente mais do que na exatidão da deteção. O tema negativo recorrente é a dificuldade de cancelamento — um avaliador verificado descreve uma hiperligação de cancelamento quase invisível, cerca de oito ofertas de retenção e a impossibilidade de concluir o cancelamento depois de escolher deixar comentários.
Não, e nenhum concorrente também. Uma pontuação de deteção é uma verosimilhança estatística, não uma prova de como um texto foi produzido. O que o produto oferece de mais probatório não é a pontuação mas a reprodução de escrita da sua extensão do Chrome, que regista como um documento foi de facto composto. Uma prova de processo desse tipo é bem mais sólida do que qualquer percentagem — e é a direção para onde se tem movido a prática mais defensável em integridade académica.
