O que é SynthID Text? Marca d'água em LLM (LLM watermarking): como funciona, como usar e detectar

É possível identificar depois que um texto "foi escrito por IA"? Como as ferramentas detectoras de IA que estimam a autoria a partir das características do texto costumam errar, vem sendo pesquisado e aplicado um método que insere uma marca d'água digital (watermark) invisível já no momento em que a IA gera o texto. Esse tipo de marca inserida nos resultados de um LLM (modelo de linguagem de grande escala) também é chamado de marca d'água em LLM (LLM watermarking). O exemplo mais representativo é o SynthID Text, do Google DeepMind. Este guia explica como o SynthID Text funciona, seu impacto na qualidade, como os desenvolvedores podem usá-lo, como detectá-lo e em quais casos ele funciona mal, com base na documentação oficial e no artigo da Nature, com informações de 9 de outubro de 2026.

O SynthID como um todo, incluindo imagem, vídeo e áudio, é explicado em "O que é SynthID".

O que é o SynthID Text

O SynthID Text é uma tecnologia para inserir uma marca d'água digital em textos gerados por modelos de linguagem de grande escala (LLMs) e detectá-la depois. Entre as técnicas de marca d'água em LLM, é a implementação mais representativa que é usada em grande escala em serviços reais e está disponível como código aberto para qualquer pessoa. Foi desenvolvida pelo Google DeepMind e, em 23 de outubro de 2024, teve seu funcionamento publicado em artigo na revista científica Nature, ao mesmo tempo em que foi disponibilizada como código aberto.

Sua característica é que, em vez de inserir símbolos ou caracteres invisíveis no texto, ela deixa a marca d'água na própria maneira como a IA escolhe as palavras. Só de ler, não dá para distinguir o texto de um texto comum, e, segundo o Google, a qualidade não é afetada.

Na época da publicação do artigo, foi explicado que as respostas do Gemini, do Google, também continham a marca d'água do SynthID Text. Sobre como o Gemini lida com isso atualmente, não foi possível confirmar nenhuma nova explicação oficial até outubro de 2026.

O SynthID Text também é usado fora do Google. Em agosto de 2026, a Anthropic explicou que a marca d'água dos textos gerados pelo Claude é "baseada no método do SynthID Text".

Como funciona: a marca d'água fica na escolha das palavras

Ao gerar um texto, um LLM atribui uma probabilidade a cada candidato para a próxima palavra (mais precisamente, o próximo token) e escolhe um deles, repetidamente. O SynthID Text intervém nessa etapa de "escolha".

O artigo da Nature chama esse método de tournament sampling (amostragem por torneio). De forma simplificada, o processo é o seguinte.

Vários candidatos para a próxima palavra são selecionados de acordo com as probabilidades do LLM
Os candidatos disputam um torneio eliminatório. O vencedor de cada disputa é decidido por uma pontuação (a função g) calculada a partir de uma chave secreta e das poucas palavras anteriores
O candidato que vence todas as rodadas se torna a palavra efetivamente gerada

Como os candidatos vêm das palavras que o LLM já tenderia a escolher, o texto continua natural. Por outro lado, quem conhece a chave e recalcula as pontuações percebe que as palavras geradas tendem a ter pontuações acima da média. Essa tendência é a marca d'água.

A documentação do Google para desenvolvedores descreve o método como um "processador de logits" aplicado depois da filtragem normal de candidatos, como Top-K e Top-P. Há também um cuidado para não inserir a marca d'água em trechos onde a mesma expressão se repete, o que preserva a facilidade de detecção.

Impacto na qualidade e na velocidade

Uma característica importante do SynthID Text é ter sido validado em grande escala em um serviço real. No artigo da Nature, cerca de 20 milhões de respostas do Gemini foram analisadas, comparando respostas com e sem marca d'água.

A diferença na proporção de avaliações positivas dos usuários foi de 0,01%, e na de avaliações negativas, de 0,02%, sem diferença perceptível de qualidade

Em uma medição de velocidade feita separadamente, o aumento no tempo de geração causado pela marca d'água ficou em cerca de 0,57%.

Além disso, não é preciso treinar o LLM novamente: basta alterar o procedimento de geração do texto. Também não é necessário o LLM original para a detecção.

Como os desenvolvedores podem usá-lo

O SynthID Text está integrado à biblioteca Transformers da Hugging Face (versão 4.46.0 ou posterior). Ele também está disponível no Responsible GenAI Toolkit do Google e no repositório google-deepmind/synthid-text do GitHub. O código do GitHub usa a licença Apache 2.0 e é uma implementação de referência para reproduzir o artigo. Para uso em produção, a recomendação é usar a implementação oficial do Transformers.

Para usá-lo no Transformers, crie uma configuração de marca d'água (SynthIDTextWatermarkingConfig) e passe-a para a função que gera o texto. Os principais parâmetros são os seguintes.

keys (obrigatório): uma lista de números inteiros aleatórios que serve de chave da marca d'água. Se vazar, a marca d'água pode ser falsificada, então deve ser mantida em sigilo
ngram_len (obrigatório): o número de palavras anteriores usadas no cálculo da pontuação. Quanto maior, mais fácil a detecção; quanto menor, maior a resistência a reescritas. A documentação oficial recomenda 5 como valor padrão
sampling_table_size: o tamanho da tabela usada internamente. Para evitar vieses, recomenda-se 2 elevado a 16 (65536) ou mais
sampling_table_seed: a semente aleatória usada para criar a tabela. Pode ser qualquer número inteiro
context_history_size: a quantidade de contexto registrada para identificar repetições. O padrão é 1024

A documentação oficial do Transformers traz código de exemplo mostrando como escrever essa configuração.

Como detectar a marca d'água

Para detectar a marca d'água, são necessárias a mesma configuração de chaves e o mesmo tokenizador usados na geração do texto. Por isso, só quem inseriu a marca d'água (ou quem recebeu as chaves) pode detectá-la.

A implementação oficial oferece três métodos de detecção: um que usa a média das pontuações, um que usa a média ponderada e um detector bayesiano treinado. O detector bayesiano retorna o resultado em três categorias, "com marca d'água", "sem marca d'água" e "inconclusivo", e o rigor da avaliação pode ser ajustado com dois limiares.

O detector bayesiano precisa ser treinado com o seu próprio modelo e as suas chaves antes do uso, e o artigo da Hugging Face indica que são necessários pelo menos 10 mil exemplos. Além disso, segundo a documentação do Google para desenvolvedores, o detector pode ser disponibilizado de três formas: usado apenas internamente, oferecido externamente como API ou distribuído como o próprio detector.

Não há indicação de que marcas d'água inseridas com chaves próprias possam ser detectadas pelo SynthID Detector do Google ou por ferramentas semelhantes.

Casos em que funciona mal e limites

A documentação do Google para desenvolvedores e o artigo da Nature apontam os seguintes limites.

Respostas factuais: em perguntas que têm praticamente uma única resposta, há pouca margem para mudar a escolha das palavras, então a eficácia da marca d'água diminui
Reescritas profundas: se o texto for reescrito por completo, a confiança da detecção cai bastante
Tradução: se o texto for traduzido para outro idioma, a confiança da detecção cai bastante
Ataques intencionais: proteger contra adversários mal-intencionados que tentam remover a marca d'água não faz parte dos objetivos do projeto
Modelos abertos: em modelos que qualquer pessoa pode executar, é difícil obrigar a inserção da marca d'água

Diferença em relação às ferramentas detectoras de IA

Além de marcas d'água digitais como o SynthID Text, outra forma de identificar textos escritos por IA são as ferramentas detectoras de IA, que estimam o quanto um texto parece ter sido escrito por IA a partir de suas características.

Marca d'água digital: quem gera o texto insere a marca previamente. Com a chave, é possível fazer uma avaliação fundamentada, mas não é possível identificar textos de IAs que não inserem marca d'água
Ferramentas detectoras de IA: conseguem fazer estimativas para textos de qualquer IA, mas são apenas estimativas e podem classificar por engano textos escritos por pessoas como sendo de IA

O movimento de marcar os resultados de IA também está se espalhando para outras empresas. Por exemplo, a Anthropic insere nos textos gerados pelo Claude uma marca d'água baseada no método do SynthID Text (por enquanto, a detecção está em prévia privada, restrita a órgãos reguladores e entidades semelhantes). A OpenAI também anunciou, em outubro de 2026, sua própria marca d'água para textos, o "textGrain". A comparação entre os métodos é explicada em detalhes em "Comparação de marcas d'água digitais (watermarks) de IA".

Resumo

O SynthID Text é uma tecnologia que marca textos de IA de forma imperceptível à leitura, deixando a marca d'água no processo em que a IA escolhe as palavras. A validação com cerca de 20 milhões de respostas do Gemini mostrou que o impacto na qualidade é praticamente nulo, e uma medição separada mostrou que o impacto na velocidade também é mínimo. Ele está disponível para qualquer pessoa pelo Transformers.

Por outro lado, ele é fraco com respostas factuais curtas, traduções e reescritas profundas, e só quem inseriu a marca d'água pode detectá-la. Mais do que uma prova definitiva para identificar textos de IA, o adequado é vê-lo como um dos mecanismos para que uma empresa assuma responsabilidade pelos resultados da sua própria IA.