OpenAI endurece verificação de identidade em resposta a sinais de que modelos rivais estão copiando sua “digital linguística”

Oficialmente, a medida é uma tentativa de conter o uso indevido de suas APIs

A OpenAI anunciou recentemente a exigência de verificação de identidade com documento oficial para desenvolvedores que desejam acessar seus modelos de inteligência artificial mais avançados. Embora oficialmente a medida seja uma tentativa de conter o uso indevido de suas APIs, especialistas veem o movimento como uma resposta direta à crescente preocupação de que seus outputs estejam sendo usados para treinar sistemas concorrentes.

Uma nova pesquisa da Copyleaks, empresa especializada na detecção de conteúdo gerado por IA, oferece evidências contundentes sobre essa suspeita. Utilizando um sistema que identifica as “digitais estilísticas” de grandes modelos de linguagem, a análise revelou que 74% das respostas do modelo chinês DeepSeek-R1 foram classificadas como se tivessem sido escritas por sistemas da OpenAI — um nível de sobreposição que sugere mais do que coincidência: indica imitação.

Distilação sob suspeita

A técnica mais provável por trás dessa semelhança é a distilação, processo pelo qual se treina um novo modelo com base nas respostas de outro já existente. Embora comum na pesquisa em IA, essa prática pode violar os termos de serviço se feita sem autorização, especialmente quando envolve modelos proprietários.

O próprio documento técnico do DeepSeek-R1 menciona o uso de distilação com modelos de código aberto, mas não cita a OpenAI. No início do ano, após a divulgação dos impressionantes resultados do DeepSeek, a OpenAI declarou estar “revisando indícios de que o modelo pode ter sido inapropriadamente destilado” a partir de seus sistemas.

Comparações e divergências

A pesquisa da Copyleaks testou também outros modelos populares, como o phi-4 da Microsoft e o Grok-1 da xAI, de Elon Musk, e encontrou praticamente zero de semelhança com os sistemas da OpenAI — indicando treinamentos independentes. Já o modelo europeu Mixtral, da Mistral, mostrou alguma sobreposição, mas nada comparável aos níveis encontrados no DeepSeek-R1.

A grande revelação da pesquisa é que, mesmo com variações nos estilos de escrita e nos prompts utilizados, os modelos de linguagem mantêm uma espécie de “impressão digital linguística” — traços consistentes que podem ser rastreados até o modelo original. Isso abre caminho para novas formas de auditoria, verificação de autoria e proteção de propriedade intelectual em um mercado cada vez mais competitivo.

Ética, transparência e riscos de mercado

Críticos apontam, no entanto, que a própria OpenAI se beneficiou, em sua fase inicial, da coleta em massa de conteúdo da internet — incluindo obras protegidas por direitos autorais — sem necessariamente obter consentimento. Nesse contexto, acusar concorrentes de práticas semelhantes pode soar hipócrita.

Para Alon Yamin, CEO da Copyleaks, o ponto central está na consentimento e transparência. “Treinar modelos com conteúdo protegido é uma discussão ética importante. Mas treinar um modelo novo com os outputs de outro sistema proprietário é outra coisa — se assemelha mais a engenharia reversa de um produto fechado”, afirmou.

Implicações futuras

Com a rápida evolução dos modelos de IA e a corrida por domínio tecnológico, as fronteiras entre o que é inspiração, uso justo ou apropriação indevida estão se tornando cada vez mais nebulosas. Ferramentas como a da Copyleaks prometem trazer maior clareza — mas também acirram a tensão entre desenvolvedores, reguladores e empresas.

Seja como proteção de seus “ativos estratégicos” ou como instrumento de disputa geopolítica e comercial, a postura mais rígida da OpenAI sinaliza uma nova fase na batalha pelo controle da inteligência artificial — onde não basta mais ser pioneiro; é preciso também proteger o que se cria.