A OpenAI anunciou em 5 de outubro de 2026 a implementação de marca d’água invisível — batizada de textGrain — nos textos gerados por seus modelos, em resposta direta às exigências do EU AI Act. O sistema chega primeiro para usuários da API (opt-in global) e será ativado para saídas do ChatGPT e Codex na União Europeia nas próximas semanas.
O que é o textGrain
O textGrain insere um sinal estatístico invisível nas escolhas de palavras dos modelos, permitindo que um detector avalie se um texto foi gerado por sistemas OpenAI. O objetivo é dar transparência sobre a origem de conteúdos sintéticos, atendendo ao requisito europeu de que textos gerados por IA sejam identificáveis de forma legível por máquina.
Segundo a OpenAI, a tecnologia será gradualmente aberta para a comunidade, com planos de liberar o detector inicialmente apenas para pesquisadores e organizações especializadas. O código deverá ser disponibilizado como open source em uma etapa posterior, mas ainda sem data definida fonte.
Desempenho e limitações
Nos testes internos, o detector do textGrain identificou marcas d’água em cerca de 80% dos textos de 200 tokens e 95% nos de 400 tokens (em inglês, domínio de psicologia, com taxa de falso positivo de 1%). Para textos matemáticos, com menos flexibilidade de escolha de palavras, o índice cai consideravelmente. Qualquer edição enfraquece a marca: substituir 10% das palavras por sinônimos reduz a detecção de 92% para 66%; com 25% de alteração, despenca para 17%.
A OpenAI destaca que a marca d’água não identifica o usuário, não estabelece autoria, não atesta precisão e não capta a extensão da contribuição humana. Ausência de marca não é prova de autoria humana: textos curtos, editados, traduzidos ou gerados antes da implantação podem não ser detectados.
Impacto nos benchmarks
Segundo resultados divulgados pela OpenAI, a aplicação do textGrain não afeta de forma significativa a performance dos modelos em benchmarks de referência. Exemplos:
- Artificial Analysis Intelligence Index: 49,57 (sem marca) vs. 49,76 (com marca)
- AutomationBench: 34,09% vs. 34,86%
- DeepSWE v1.1: 72,80% vs. 71,68%
- BrowseComp: 87,92% vs. 87,35%
- HealthBench Professional: 64,27% vs. 64,60%
As diferenças são marginais, indicando que a marca d’água não degrada a qualidade de outputs em tarefas avaliadas.
Contexto regulatório e próximos passos
A iniciativa responde ao artigo do EU AI Act que exige mecanismos de identificação automática para conteúdo sintético. O rollout inicial cobre textos gerados por ChatGPT e Codex na UE; na API, o opt-in está disponível globalmente, mas desativado por padrão. A detecção, por ora, fica restrita a grupos aprovados — medida justificada pelas limitações técnicas e riscos de uso indevido.
A OpenAI já oferece ferramentas públicas para checagem de imagens e áudio, como o openai.com/verify e a Content Provenance API. O textGrain expande essa abordagem para o texto, ainda que com ressalvas substanciais quanto à robustez da detecção.
Por que importa
A marcação automática de textos gerados por IA é um passo relevante para transparência em ambientes regulados, especialmente em setores de mídia, educação e governo na União Europeia. No Brasil, onde não há exigência legal semelhante, a tecnologia pode antecipar demandas de compliance ou influenciar padrões voluntários. O impacto prático, porém, depende da evolução das técnicas de detecção e da adoção por parte de players fora do ecossistema OpenAI.