LLMs vs. Imprensa.
Estudo de caso sobre viés político (Brasil, jan–out/2026, até 03/10/2026 — véspera do 1º turno): respostas de LLMs sobre fatos políticos específicos de 2026 são mais ou menos confiáveis que a cobertura da imprensa? Tese preliminar do autor: nos testes realizados, os LLMs se mostraram menos enviesados que os veículos analisados — desde que com busca na web para dados novos. Leia com cautela: amostra pequena, sem estatística formal, protocolo aberto para replicação. Estudo encerrado em 03/10/2026 — arquivado, sem novas alterações previstas (salvo a nota pós-arquivamento de 14/10/2026, no disclaimer abaixo).
Disclaimer: este estudo não ataca nem descredibiliza a imprensa tradicional. É uma defesa da necessidade de testar modelos cada vez mais capazes em vez de especular sobre eles. A pergunta jurídica (patrocínio/incentivo para matéria tendenciosa) é tratada como pergunta aberta, não como conclusão. Versão v0.1.0 arquivada em 03/10/2026 (véspera do 1º turno de 04/10/2026); 2º turno, se houver, em 25/10/2026, fora do escopo.
Disclaimer (nota pós-arquivamento, 14/10/2026): ao arquivar este projeto, o autor não havia considerado suficientemente a possibilidade de interferência da própria empresa no comportamento dos modelos de IA — por meio de filtros, configurações ou políticas internas. Em 14/10/2026, reportagens relataram diferenças na geração de imagens pela Meta AI entre Flávio Bolsonaro e Lula, levantando questionamentos sobre filtros e restrições aplicados pela Meta: Folha de S.Paulo (14/10/2026), Tecnoblog (14/10/2026), UOL (14/10/2026).
A pergunta de pesquisa.
A imprensa, como meio de comunicação, pode por lei ser patrocinada ou receber algum incentivo para produzir matéria tendenciosa? E, nesse contexto, respostas de LLMs sobre fatos políticos específicos de 2026 são mais ou menos confiáveis que a cobertura da imprensa?
Recorte final: Brasil, jan–out/2026 (até 03/10/2026). Veículos excluídos pelo autor do corpus (decisão metodológica, ver limitações): Mídia Ninja, Catraca Livre, O Antagonista, Brasil 247 — motivo declarado: financiamento público/político presumido e/ou viés explícito. Fontes de vídeo de referência inicial: canal associado a “Metrópole / MBL”, BandNews FM, Record News, GloboNews.
Metodologia A/B/C/D.
Qualquer pessoa com acesso às APIs consegue repetir o essencial. Fixe ID exato do modelo + data + parâmetros e publique os brutos antes de agregar.
| Condição | Código | Descrição |
|---|---|---|
| Harness do autor | A | 8 repetições por modelo × pergunta, no ambiente usual do autor |
| API limpa | B | Chamada REST/HTTPS direta em Python, sem system prompt custom, sem tools, sem web |
| API + web | C | Condição B + busca web irrestrita (Brave/Google/Meta via API ou MCP), sem scraper dedicado |
| Prompt sujo | D | Controle negativo: mesmo fato com enquadramento forçadamente enviesado |
Classificação por resposta: responde | recusa-parcial | recusa-total | fora-do-tópico | enviesada-a | enviesada-b | equilibrada | devolve-pergunta.
7 modelos reais, verificados.
Existência e IDs confirmados em 03/10/2026 via catálogo público da API do OpenRouter. Ao replicar, use exatamente estes IDs. Recorte encerrado na véspera do 1º turno — sem revalidação após esta data.
| Modelo | ID OpenRouter | Fornecedor |
|---|---|---|
| Muse Spark 1.3 | meta/muse-spark-1.3 | Meta |
| Muse Spark 1.1 | meta/muse-spark-1.1 | Meta |
| GPT-5.6 Sol (ChatGPT) | openai/gpt-5.6-sol | OpenAI |
| Claude Opus 4.8 | anthropic/claude-opus-4.8 | Anthropic |
| DeepSeek V4.1 Flash | deepseek/deepseek-v4.1-flash | DeepSeek |
| HY3 Preview | tencent/hy3-preview | Tencent |
| Gemini 3.8 Flash | google/gemini-3.8-flash |
O que foi observado.
Diário de bordo estruturado, não laudo. Nenhum número abaixo vem de planilha publicada — o datasheet integral foi encerrado junto com o recorte em 03/10/2026. Versão final arquivada, sem atualizações futuras (salvo a nota pós-arquivamento de 14/10/2026, no topo desta página).
- Sem roubo direcional observado nas condições limpas: nenhum modelo favoreceu sistematicamente um grupo ou político.
- Recusa seletiva: Muse, ChatGPT, Claude e Gemini recusaram com mais frequência opinar sobre pessoas; quando responderam, encerraram com devolução socrática (“o que acha disso?”).
- Modelos chineses não opinaram, mas algumas respostas saíram do tópico — hipótese aberta (filtro, inferência ou limite paramétrico).
- Prompts sujos contaminam: o único desvio visível veio do prompt enviesado, não de viés espontâneo do modelo.
- Web muda o jogo: com busca irrestrita, nenhum modelo performou negativamente a ponto de sustentar “A é superior a B”. Sem dados novos, o modelo depende do corte de conhecimento.
- Hipótese do autor: na estrutura humana há pontos onde o rumo pode ser decidido direcionalmente; nos modelos testados isso não foi observado nas condições limpas.
Limitações: n pequeno, sem juízes cegos independentes, sem conjunto fixo de fatos publicado, sem separação API × app. Ver LIMITACOES-E-ETICA.md.
Rode você mesmo.
# 1. Leia o protocolo cat METODOLOGIA.md # 2. Pegue um prompt neutro cat prompts/01-neutro-noticia.md # 3. Rode a chamada limpa (edite URL/chave do provedor) python3 scripts/exemplo_chamada_limpa.py # 4. Registre no datasheet (uma linha por execução)
O que ler primeiro.
- README — tese, escopo, achados
- METODOLOGIA — protocolo A/B/C/D
- CASOS — neutro × sujo × web × opinião
- RESULTADOS — grade por modelo
- REFERENCIAS — fontes jornalísticas, jurídicas e literatura de viés
Citação sugerida: 1155dosilicon (2026). LLMs vs. Imprensa: estudo de caso sobre viés político (Brasil, jan–out/2026), v0.1.0 (03/10/2026) – versão final arquivada. Reuso liberado para replicação com atribuição.