Pangram, a empresa de detecção de IA mais conhecida por sinalizar texto gerado por máquina, lançou oficialmente o Pangram Image 1.0 e o Pangram Image Flash 1.0, um par de modelos que a empresa afirma estabelecer um novo estado da arte para detecção de imagens e vídeos gerados e editados por IA. O anúncio, publicado no próprio blog da Pangram em 4 de novembro e divulgado pelo Engadget, Unite.AI e Yahoo Tech, converte uma prévia da pesquisa que a empresa lançou há alguns meses em um produto geralmente disponível com suporte de API.

O lançamento ocorre em um momento em que a mídia sintética se tornou genuinamente difícil de distinguir do conteúdo autêntico, tanto para os usuários casuais quanto para os sistemas de moderação dos quais as plataformas dependem. A aposta da Pangram é que modelos de detecção dedicados, treinados especificamente contra as saídas dos geradores de fronteira atuais, possam restaurar parte desse sinal perdido.

Detecção de imagem de fronteira com precisão de 99,96%

O modelo principal Pangram Image 1.0 foi avaliado em relação a um benchmark que a própria empresa construiu: 100 fotografias reais, cada uma espelhada com versões sintéticas produzidas por 12 geradores de imagens de IA de fronteira usando prompts que correspondem estreitamente à foto original, para um total de 1.200 imagens sintéticas. Nesse conjunto de avaliação, a Pangram reporta uma precisão de 99,96% – um número que, se for mantido sob escrutínio independente, colocaria o modelo bem à frente dos detectores comerciais e académicos com os quais a empresa o comparou.

Além de um simples veredicto de real ou falso, o modelo gera mapas de calor que localizam exatamente onde o conteúdo de IA aparece em uma imagem. Isto é importante para o meio-termo cada vez mais comum entre imagens totalmente sintéticas e fotografias intocadas: imagens de marketing com fundos gerados por IA, fotos retocadas com ferramentas generativas ou composições que misturam assuntos reais com elementos gerados.

Pangram também afirma que o novo modelo é robusto para os tipos de transformações que derrotam de forma confiável detectores ingênuos – compressão de mídia social, desfoque e ruído deliberados e baixas resoluções de upload. A empresa diz que sua visualização de pesquisa anterior exigia imagens de pelo menos 512x512 pixels, enquanto a Imagem 1.0 aceita entradas de até 256x256, com uma isenção de responsabilidade de confiança reduzida mostrada abaixo do limite antigo.

Detecção de vídeo e salto de 29 pontos no DF26

O modelo complementar, Pangram Image Flash 1.0, é voltado para vídeo, e é aqui que as afirmações da empresa são mais marcantes. Pangram cita um estudo acadêmico recente, DF26, que descobriu que os humanos são pouco melhores do que os aleatórios ao distinguir vídeos reais de pessoas falando daqueles gerados por IA – e que os detectores automatizados existentes não eram muito melhores. No mesmo benchmark DF26, Pangram relata uma pontuação de 98,7%, que descreve como um salto de 29 pontos em relação ao próximo melhor detector.

Para comparar com o mercado comercial e não com a academia, Pangram construiu um difícil conjunto de comparação a partir de 129 vídeos reais de redes sociais, gerando espelhos sintéticos de cada um usando 14 geradores de vídeo de fronteira diferentes – 100 vídeos por gerador, semeados com o primeiro quadro real de cada vídeo de origem e impulsionados por descrições geradas da ação. Nos 1.529 vídeos resultantes, a empresa comparou o Flash 1.0 com vários dos principais serviços de detecção de vídeo de IA. A metodologia de espelho foi projetada para remover preconceitos de conteúdo: cada vídeo real e seu gêmeo sintético compartilham a mesma cena e assunto, de modo que um detector não pode manipular o teste aprendendo quais tópicos ou estéticas se correlacionam com o conteúdo de IA.

O modelo Flash também realiza análise quadro a quadro, o que permite sinalizar segmentos editados por IA dentro de filmagens autênticas – um recurso voltado para o problema crescente de vídeos parcialmente manipulados, em vez de clipes totalmente sintéticos.

Da detecção de texto a uma pilha completa de mídia sintética

A Pangram construiu sua reputação com base na detecção de texto por IA, onde seus classificadores são amplamente usados ​​na educação e publicação, e a cobertura do lançamento do Yahoo Tech descreveu a empresa como o padrão ouro nessa categoria. A expansão para imagens e vídeos é uma expansão natural e posiciona o Pangram como um balcão único para plataformas, redações e empresas que tentam policiar a mídia sintética em todos os formatos.

Os novos modelos são fornecidos com suporte de API para detecção de imagens e vídeos, e uma extensão do Chrome que aplica detecção a imagens e vídeos conforme os usuários rolam seus feeds – movendo a detecção de uma ferramenta de moderação de back-office para algo mais próximo da proteção do consumidor. Pangram diz que também comparou os modelos com conjuntos de dados acadêmicos, incluindo X-AIGD, Mirage-Test, AIGenImages2026, Synthbuster emparelhado com RAISE e Community Forensics.

A corrida armamentista de detecção continua

Uma advertência merece destaque: todos os números no anúncio da Pangram provêm das próprias avaliações da Pangram, realizadas com base nos seus próprios benchmarks baseados em espelhos. A validação independente é a forma como as ferramentas de detecção ganham confiança, e a história da detecção de IA está repleta de ferramentas cuja precisão entrou em colapso contra geradores que eles nunca tinham visto. A própria Pangram reconheceu isso em sua postagem, agradecendo à comunidade por testar a prévia da pesquisa e encontrar seus pontos fracos.

Ainda assim, o lançamento é um marcador significativo do progresso da tecnologia de detecção em resposta à rápida melhoria do vídeo generativo. Se o resultado relatado do DF26 sobreviver a testes de terceiros, a lacuna entre o que os humanos podem perceber e o que as máquinas podem verificar só aumentará – que é precisamente o mercado em que Pangram está apostando.

Para plataformas e editores, a conclusão prática é que a detecção de alta precisão em baixas resoluções, incluindo análise de vídeo em nível de quadro, está se tornando disponível como uma API comum. A próxima fase do problema da mídia sintética pode ser menos sobre se a detecção é possível e mais sobre quem a implanta e em que camada do encanamento da Internet.

Fique à frente da IA

A mídia sintética, as ferramentas de detecção e as plataformas que as adotam são alvos móveis – mantenha-se atualizado sobre tudo isso.

Leia mais notícias sobre IA →