Agentes de programação podem combinar textos de IA para driblar ferramentas de detecção

Pesquisadores publicaram um artigo em 25 de setembro de 2026 mostrando que um agente de programação pode montar textos a partir de um modelo de linguagem de base para escapar de sistemas de detecção de IA. O agente, desenvolvido com o Claude Opus 5, obtém até 90% das palavras de um modelo de 32 bilhões de parâmetros chamado OLMo-2. Nos testes, as respostas montadas passaram por dois tipos de detectores: a taxa de identificação caiu de 77% para 24% em uma popular ferramenta de detecção posterior à geração e para cerca de 10% em uma verificação baseada em marca d’água.

Como a técnica funciona

Tentativas anteriores procuravam reescrever várias vezes textos gerados por IA, o que muitas vezes alterava o sentido. Em vez disso, essa abordagem permite que o agente funcione como um editor que copia e cola. Ele pede ao modelo de base muitas amostras curtas e, em seguida, seleciona os trechos que melhor atendem à tarefa — seja escrita criativa, respostas factuais, perguntas sobre saúde ou seguimento de instruções. Ao combinar esses trechos, o resultado final permanece no tema e soa natural, enquanto o detector vê uma mistura de muitos fragmentos pequenos, em vez de um fluxo contínuo de texto gerado por IA.

Implicações e custos

O método funciona, mas é caro. Como o agente envia e recebe muito mais tokens — as unidades básicas de texto —, cada consulta pode custar até trinta vezes mais do que uma chamada padrão de API. Os pesquisadores alertam que os serviços de detecção precisarão ser treinados com esse tipo de texto montado se quiserem continuar eficazes. Para os usuários comuns, a descoberta indica que ferramentas que afirmam identificar conteúdo escrito por IA podem ser menos confiáveis do que anunciam.