Alucinação é quando um modelo de IA produz uma afirmação que soa plausível mas não tem lastro — um dado inventado, uma citação que não existe, uma política de troca que ninguém escreveu. Não é defeito pontual: é consequência de como o sistema funciona, prevendo a continuação mais provável do texto, não consultando uma base de verdade. O número mais desconfortável vem do AA-Omniscience, que avaliou 6 mil questões em 42 tópicos economicamente relevantes usando um índice que penaliza o erro e recompensa a abstenção — ou seja, premia o modelo que diz “não sei”. Resultado: apenas 3 modelos entre todos os avaliados pontuaram acima de zero, e o líder marcou 4,8 numa escala que vai até 100. Traduzindo: quando responder “não sei” conta a favor, a maioria dos modelos de fronteira erra mais do que acerta.
A taxa depende da tarefa, não do modelo
Este é o ponto metodológico que quase todo material erra. Não existe “a taxa de alucinação” de um modelo — existe a taxa dele numa tarefa específica, com um avaliador específico. O mesmo modelo mede coisas muito diferentes conforme o que se pede:
| Tarefa | Taxa medida | Risco de automatizar |
|---|---|---|
| Resumir um texto que você forneceu | ~1,8% a 3% | Baixo |
| Responder via RAG, com contexto recuperado | 6,65% no melhor caso | Médio — exige citação |
| Responder de memória sobre fato do mundo | Perto de zero acerto líquido | Alto |
Qualquer afirmação do tipo “X% das respostas de IA são alucinação”, sem dizer qual tarefa, qual conjunto de dados e quem avaliou, é ruído. E circulam muitas: “modelos de fronteira caíram de 3–8% para 1–2,5%”, “67% das implantações de RAG alucinam”. Procuramos as fontes primárias desses números e não as encontramos.
⚠️ Modelo maior não alucina menos
A crença intuitiva é que o modelo mais caro e maior erra menos. Os dois principais rankings da área dizem o contrário.
No ranking da Vectara, que mede fidelidade ao resumir, o primeiro lugar em maio de 2026 era um modelo de 32 bilhões de parâmetros, com 1,8% — à frente de modelos de fronteira bem maiores. E no AA-Omniscience há um achado mais fino: os modelos de maior acurácia bruta não lideram o índice, porque preferem chutar a se abster. Eles sabem mais e, ainda assim, pontuam pior — porque arriscam quando deveriam recuar.
A conclusão dos autores é direta: há fraquezas persistentes de factualidade e de calibração em todos os modelos de fronteira. Calibração, aqui, é saber o quanto se sabe — e é uma capacidade separada de conhecimento.
Ressalva de transparência: o ranking da Vectara é mantido por um fornecedor e usa o modelo avaliador comercial da própria empresa. Indicador útil, não árbitro neutro.
O que isso muda na prática
A tabela acima é, na prática, um mapa de onde cabe automação sem revisão humana:
- Resumir material que você forneceu — relatório, transcrição de reunião, retorno de pesquisa. É o cenário de menor risco, e onde a automação compensa mais rápido.
- Responder sobre produto, preço ou política via RAG — exige citação rastreável à fonte em toda resposta. Com quase 7% de erro no melhor caso, mostrar de onde veio a informação é o que torna o erro detectável.
- Deixar o modelo responder de memória sobre dado de mercado, preço de concorrente ou norma regulatória — é o pior caso possível. Não automatize.
E uma instrução de sistema que costuma ser esquecida: peça explicitamente que o modelo diga quando não sabe. Como mostra o AA-Omniscience, a tendência padrão é chutar — e num contexto comercial, um chute confiante custa mais caro que uma recusa.
Os testes de texto e raciocínio estão detalhados no guia de benchmark de texto, e o panorama de modelos em modelos de IA em 2026.
Fontes
- AA-Omniscience — 6 mil questões, 42 tópicos, índice que penaliza alucinação
- Benchmarking LLM Faithfulness in RAG — FaithJudge, taxa com contexto fornecido
- Hallucination Leaderboard — Vectara, mais de 7.700 artigos (mantido por fornecedor)
Leitura das fontes em 17/08/2026.