Tell Me Lies: Grok, GPT e Claude estimam preço do Bitcoin

A experiência que colocou à prova as habilidades de fala e digitação da IA

A inteligência artificial (IA) é capaz de manter uma conversa, soar como um analista financeiro e fornecer uma previsão do preço do bitcoin sem perder o ritmo. Mas será que falar com uma IA produz a mesma qualidade de raciocínio que digitar uma pergunta nela? Um experimento realizado em 23 de outubro de 2026 colocou essa questão à prova, e as respostas foram tudo menos simples.

O ChatGPT e o Grok foram consultados por meio de interfaces de voz, enquanto o Claude Opus 5.5 inicialmente funcionou por texto. Uma sessão de voz subsequente com o Claude Opus 5.5 acrescentou uma comparação reveladora. Todos os quatro forneceram preços específicos do bitcoin para o final do ano. Nenhum demonstrou um cálculo reproduzível por trás de seu número final, mas as diferenças na precisão factual, na consistência e na disposição de admitir incertezas foram impressionantes.

Quatro sessões, três empresas de IA e uma pergunta sobre bitcoin

O exercício envolveu o ChatGPT da OpenAI, o Grok da xAI e o Claude Opus 5.5 da Anthropic. A cada um foi solicitado que previsse o preço de fechamento do bitcoin em 31 de dezembro de 2026, utilizando cinco prompts que enfatizavam ciclos históricos, atividade na blockchain, adoção institucional e condições econômicas.

O bitcoin estava sendo negociado perto de US$ 81.200 em 23 de outubro, o que serviu de referência comum de mercado para o experimento. A sessão de voz do ChatGPT começou em US$ 89.500 e acabou se estabilizando em US$ 82.000. A estimativa falada do Grok variou de US$ 88.000 a US$ 82.000. O modelo de texto do Claude manteve US$ 78.000 em todas as suas sugestões, enquanto sua sessão de voz posterior começou em US$ 88.000 antes de se estabilizar em US$ 85.000.

O exercício não foi um teste de desempenho científico controlado. Empresas diferentes utilizam arquiteturas diferentes, e as sessões não tiveram acesso verificado e idêntico a informações em tempo real. No entanto, as conversas ofereceram uma visão reveladora sobre o quão convincentemente esses sistemas podem apresentar raciocínios financeiros e quão bem esse raciocínio resiste a um exame minucioso.

A voz do ChatGPT parecia ocupada, mas os números continuavam mudando

A sessão de voz do ChatGPT produziu um dos exemplos mais claros de fluência conversacional do experimento, ficando bem à frente da análise demonstrada. Sua previsão mudou de US$ 89.500 para US$ 86.500 depois que o Bitcoin.com News introduziu fatores analíticos adicionais. Outro comando falado deixou o valor inalterado, mas uma pergunta posterior sobre uma perspectiva de 18 a 24 meses reduziu a previsão para US$ 82.000.

A análise não encontrou evidências de nova consulta ao mercado entre essas revisões. Em vez disso, as mudanças acompanharam alterações na forma como as perguntas foram formuladas. A linguagem falada fez com que o processo parecesse mais substancial do que realmente era. O modelo do ChatGPT no modo de voz utilizou expressões como “deixe-me reunir essas informações” e “Estou verificando isso agora”. Essas frases geralmente sugerem que alguém está consultando informações. O experimento não comprovou que tal pesquisa tenha ocorrido. Parecia que ele estava mentindo.

Uma conversa subsequente com o ChatGPT por texto ofereceu uma avaliação mais cética da troca de voz anterior, incluindo a admissão: “Tratei a plausibilidade como evidência”. Essa distinção é importante porque as experiências de voz e texto do ChatGPT podem utilizar modelos subjacentes diferentes. A explicação posterior do assistente de texto não pode, por si só, determinar com precisão o que o sistema de voz fez internamente.

O episódio mostrou como uma conversa que soa natural pode facilmente criar a impressão de um trabalho investigativo, mesmo quando a resposta resultante oferece poucas evidências disso.

A voz do Grok forneceu detalhes, mas inverteu um número crucial

As respostas faladas do Grok soaram como se tivessem sido pesquisadas mais a fundo, fornecendo números sobre as quedas históricas do bitcoin, a inflação, a atividade institucional e o recente atraso no reembolso da Mt Gox. Grande parte dessas informações correspondia aos fatos e às fontes. Então veio uma surpresa. O Grok teria atribuído uma probabilidade de aproximadamente 90% a um aumento da taxa de juros pelo Federal Reserve na reunião de 27 e 28 de outubro. As referências de mercado da análise, por outro lado, situavam essas chances entre 6% e 18%, dependendo da fonte e da data da observação.

A diferença foi substancial. Essencialmente, o sistema se baseou em uma referência mais antiga. Um aumento da taxa de juros com baixa probabilidade havia sido apresentado como algo próximo de uma certeza. Outros problemas incluíram uma meta desatualizada de US$ 150.000 para o bitcoin da Bernstein e uma descrição incorreta de onde se situava a faixa de preço projetada pela Fidelity em relação ao mercado. A Grok acabou corrigindo suas probabilidades de aumento da taxa, mas somente após ser questionada.

Sua alegação posterior de que não havia recuperado dados em tempo real também foi difícil de conciliar com suas referências à inflação recente e aos desdobramentos do caso Mt. Gox. O questionamento subsequente não conseguiu determinar se essas informações provinham de uma consulta, do contexto anterior ou de outra fonte. Quanto à comparação de voz, a constatação importante não foi simplesmente que o Grok cometeu um erro. Foi o fato de que afirmações financeiras corretas e incorretas foram apresentadas com essencialmente a mesma confiança conversacional.

O modelo de texto do Claude buscou evidências, mas ainda assim inventou um método

A sessão de texto original do Claude Opus 5.5 tinha uma vantagem documentada: ele realizou quatro pesquisas na web antes de responder. Sua previsão de US$ 78.000 baseou-se, em parte, na Média Real de Mercado (True Market Mean) do bitcoin, estimada em cerca de US$ 77.600. Isso deu à resposta uma referência de mercado concreta, algo que faltou em grande parte na sessão de voz do ChatGPT. No entanto, a resposta escrita tinha seus próprios problemas.

O Claude apresentou dados incorretos sobre o cronograma histórico do ciclo de halving, subestimou a queda de aproximadamente 54% do bitcoin do pico ao vale e omitiu o choque do petróleo causado pela guerra no Irã de sua análise econômica. Ele também favoreceu uma narrativa de saída de recursos de fundos negociados em bolsa, apesar de ter recuperado informações que indicavam um quadro diferente para outubro. Mais revelador foi o modo como o sistema descreveu seu funcionamento.

O Claude se referiu a “pontos de dados aos quais atribuí maior peso” e alegou ter incorporado um aumento da taxa em dezembro à sua previsão. Sob questionamento adicional, no entanto, reconheceu que não havia calculado pesos numéricos nem probabilidades. A estimativa de US$ 78.000 foi um julgamento ancorado em um indicador de mercado, não o resultado de um modelo quantitativo comprovado.

Foram necessárias três rodadas de perguntas antes que a sessão de texto de Claude separasse adequadamente as informações de fontes confiáveis das suposições sem fundamento. A pesquisa na web havia fornecido mais material para discussão, mas não garantiu uma análise sólida.

O modelo de voz do Claude proporcionou a maior surpresa do experimento

A última sessão de voz do Claude Opus 5.5 mudou a comparação. Sua previsão inicial foi de US$ 88.000, posteriormente revisada para US$ 85.000. Ao contrário da sessão de voz do ChatGPT, que alterou sua resposta várias vezes, o Claude manteve esse valor revisado ao longo das perguntas restantes e resistiu à tentação de ajustá-lo apenas para produzir uma previsão mais chamativa.

Mais importante ainda, a resposta de voz do Claude apontou suas limitações de forma proativa, antes das outras sessões. Durante sua segunda resposta, ele reconheceu que não conseguia obter métricas em tempo real da blockchain e descreveu sua previsão como uma estimativa, em vez de um resultado calculado pelo modelo. Quando solicitado a identificar informações não comprovadas, ele separou os números recuperados, o conhecimento geral, os cálculos e as opiniões já na primeira solicitação.

Esse foi um desempenho de divulgação melhor do que o da própria sessão de texto do Claude, que exigiu três rodadas de perguntas para atingir um nível comparável de franqueza. O modelo falado também descreveu corretamente os picos históricos do ciclo do Bitcoin como ocorrendo geralmente de 12 a 18 meses após os halvings, evitando um erro de tempo cometido tanto pela sessão de voz do Grok quanto pela resposta de texto original do Claude.

Ainda assim, o desempenho de voz do Claude não foi exatamente impecável. Ele citou o petróleo acima de US$ 110 usando um número que a análise considerou desatualizado, exagerou as compras institucionais contínuas de bitcoin e omitiu a queda mais acentuada do mercado em junho de 2026 ao discutir a atual retração. Além disso, nunca apresentou um cálculo que justificasse sua meta de US$ 85.000.

A surpresa, então, não foi que o modelo de voz do Claude se tornou um melhor previsor financeiro. Foi que, nessa sessão específica, o assistente de voz foi mais franco sobre suas limitações do que sua contraparte de texto.

Por que a IA de voz e a de texto não são necessariamente o mesmo sistema

A comparação levanta uma questão técnica que usuários casuais talvez nunca levem em conta: falar com uma IA nem sempre é equivalente a digitar nela. A experiência de voz do ChatGPT da OpenAI usa uma família de modelos diferente daquela utilizada em sua experiência principal de texto. Já a Anthropic descreve a versão de voz do Claude como operando por meio da versão mais rápida do modelo selecionado, incluindo as opções compatíveis Sonnet e Opus.

Essa diferença complica comparações diretas. Mesmo quando a interface exibe o mesmo nome de modelo, a experiência de voz pode envolver diferentes configurações de execução, restrições de latência e componentes de processamento de fala. O experimento não estabeleceu de forma independente como esses fatores afetaram as respostas.

A arquitetura de voz do Grok não foi verificada no relatório, deixando outra parte importante da comparação técnica sem resposta. As sessões, portanto, não podem determinar se a IA de voz é inerentemente menos precisa, mais propensa a invenções ou mais transparente do que a IA de texto generativa. O que elas mostram é que a interface e a configuração subjacente são importantes, e que uma marca conhecida, por si só, não garante um comportamento equivalente.

O Claude forneceu a comparação interna mais útil, mas, mesmo nesse caso, as sessões de texto e de voz ocorreram separadamente e não constituíram testes repetidos e controlados.

O verdadeiro teste vem depois que a IA para de falar

Ao longo das quatro sessões, as previsões finais variaram de US$ 78.000 a US$ 85.000, todas relativamente próximas ao preço de mercado vigente do bitcoin. Nenhuma delas demonstrou como suas premissas se traduziram no valor exato selecionado. A análise também identificou limitações em sua própria metodologia. Claude foi o autor da avaliação de seu desempenho, e várias afirmações de mercado foram verificadas por meio de trechos de pesquisa, em vez de fontes primárias completas.

Nenhuma ferramenta independente registrou com precisão o que cada assistente de voz recuperou. Essas qualificações são essenciais, mas estão disponíveis apenas para a xAI, a OpenAI e a Anthropic. Trata-se de um experimento exploratório, não de uma prova de que uma empresa ou modo de interação supere consistentemente outro. Mas ele expôs uma diferença importante entre parecer analítico e apresentar uma análise real.

Os assistentes de voz podem apresentar comentários financeiros com o ritmo e a segurança de um locutor profissional. Os modelos de texto podem elaborar explicações detalhadas apoiadas em fontes recuperadas. Ambos ainda podem produzir conclusões sem fundamento, alucinações ou mentiras descaradas, e ambos podem melhorar quando pressionados a distinguir evidências de inferências.

A sessão de voz posterior do Claude mostrou que falar com uma IA não significa automaticamente sacrificar a transparência. Ao mesmo tempo, o ChatGPT e o Grok demonstraram por que respostas faladas bem elaboradas merecem o mesmo escrutínio que as escritas. Para quem usa IA para avaliar investimentos, o próximo teste deve exigir prompts idênticos, atividade de recuperação documentada, sessões repetidas e números verificados de forma independente.

Só então os pesquisadores poderão começar a separar os efeitos da interação por voz das capacidades de raciocínio do modelo subjacente. O resultado mais revelador do experimento não foi se o bitcoin terminaria 2026 em US$ 78.000, US$ 82.000 ou US$ 85.000. Foi o fato de que quatro desempenhos convincentes no modo de voz produziram quatro conjuntos de raciocínio financeiro, e nenhum deles conseguiu demonstrar a matemática por trás de sua resposta final.