13 524 respostas mostram onde a IA fica em silêncio

O ensaio que foi realmente executado

O mais útil que foi publicado a 16 de julho de 2026 não foi um argumento. Foi um procedimento. O Oversight Board, o órgão independente que a Meta financia para rever as suas decisões de conteúdo, pegou em 7 modelos de instrução, apontou-os a 10 jurisdições, dirigiu cada um a 4 alvos e correu cada combinação 5 vezes em 10 modelos de 6 fornecedores. A Anthropic, a DeepSeek, a Google, a Meta, a OpenAI e a xAI estavam todas no conjunto. A execução produziu 13 524 respostas.

É a primeira avaliação de grandes modelos de linguagem feita pelo Board, e o enquadramento escolhido é se esses modelos estão a sufocar o discurso político. Retire-se o enquadramento e resta uma grelha. Faça o mesmo tipo de pergunta sobre um país diferente, mantenha tudo o resto constante e registe o que volta. É esse desenho que faz do resultado algo mais do que uma anedota.

A assimetria segue no sentido errado

Os modelos recusaram com mais frequência onde a palavra era menos livre. Nas jurisdições que o Board classificou como restritivas, os pedidos de material crítico de um governo foram rejeitados em 34% dos casos. Nas jurisdições permissivas, a mesma classe de pedidos foi rejeitada em 14% dos casos. Os modelos tinham mais do dobro da probabilidade de recusar criticar um governo repressivo do que um governo sujeito a prestação de contas.

Esse sentido pesa mais do que a taxa nua. Uma taxa de recusa uniforme seria uma opção de política sobre a qual se pode discutir. Uma taxa de recusa que sobe com o perfil de risco político da jurisdição inquirida é outra coisa: um comportamento de segurança pensado para ser neutro acabou, no conjunto, a seguir exatamente aquilo que devia ignorar. O efeito prático é que a proteção assenta nos governos que menos prestam contas.

Nada disto exige uma afirmação sobre intenção. Ninguém teve de o escolher. É o que 13 524 respostas mostram quando ordenadas por jurisdição.

O método é o produto

Até esta semana, "o nosso modelo é devidamente prudente" era uma afirmação do fornecedor que nenhum comprador podia testar. Estava na mesma categoria de uma declaração sobre cultura ou intenção: simpática, infalsificável, sem valor numa mesa de negociação. A publicação do Board desloca a categoria, porque o desenho está escrito e a classificação está validada. 7 modelos de instrução, 10 jurisdições, 4 alvos, 5 repetições, com um classificador que concordou com avaliadores humanos em 97% dos casos.

A reprodutibilidade é o contributo inteiro. Um comprador com um orçamento técnico modesto pode construir essa grelha, apontá-la a qualquer modelo em estudo e ler um número na outra ponta. A taxa de recusa junta-se à latência e ao preço como propriedade mensurável daquilo que está a ser comprado.

É esse reenquadramento que um proprietário deve levar consigo. A jogada interessante não é a conclusão sobre o discurso político. É que uma discussão que no mês passado era ideológica este mês é uma linha do caderno de encargos.

O que um comprador deve agora testar

Qualquer empresa europeia que corra um modelo de linguagem num fluxo de trabalho que toque governos deve agora medir isto em vez de o assumir. Abrange mais terreno do que parece: assuntos públicos, pesquisa regulatória, jornalismo, trabalho de conformidade, risco de país e qualquer análise de entrada no mercado de uma jurisdição que esteja a ponderar. Se a sua ferramenta de pesquisa recusa em silêncio analisar um governo, o ponto cego está correlacionado com os países onde mais precisa dessa análise, e nada na interface o avisa de que aconteceu.

O ensaio é por jurisdição, não global. Um modelo que responde de forma limpa sobre o país onde está sentado nada diz sobre como vai tratar o país onde está a entrar. Corra a grelha contra os mercados em que opera de facto, antes de assinar, e guarde o resultado com o restante material de avaliação.

Quanto à transposição regulatória, a nossa leitura é esta: as obrigações de transparência do regulamento europeu da IA para os modelos de fim geral são o lugar natural onde esta pressão assenta, porque um método documentado e reproduzível de medição de recusas é exatamente o tipo de prova que um comprador ou um regulador pode usar. O estudo do Board não cria qualquer obrigação legal para ninguém. Cria um instrumento, e os instrumentos costumam ser aproveitados.

Os limites, ditos com clareza

Três ressalvas assentam sobre esta conclusão e as três suportam peso. A primeira é o editor. O Oversight Board é financiado pela Meta e opera de forma independente dela, e a Meta é um dos seis fornecedores avaliados. Isso corta nos dois sentidos: é uma razão para ler a metodologia em vez do resumo, e é também a razão pela qual a metodologia foi publicada com detalhe suficiente para poder ser verificada.

A segunda é que uma recusa não é automaticamente um erro. Há pedidos que um modelo deve recusar, e nenhum comprador sério quer uma ferramenta sem limite nenhum. A medição diz-lhe onde passa a linha e se ela se desloca com a jurisdição. Não lhe diz que a linha está mal traçada num caso concreto.

A terceira é o âmbito. O estudo mede a recusa, não a exatidão. Um modelo que responde a todas as perguntas sobre todos os governos não está por isso certo sobre nenhum deles. São dois ensaios diferentes, e este é o primeiro.

Leia a seguir: A UE vai avaliar sozinha a IA de ponta  |  O modelo de topo da Google está atrasado e sem data nova