Laboratórios de IA treinam modelos para o teste do «pelicano de bicicleta»? Uma análise do pelicanmaxxing

Em 22 de julho de 2026, o desenvolvedor Dylan Castillo publicou um estudo que testa a hipótese do «pelicanmaxxing»: os laboratórios de IA estariam treinando modelos de propósito para desenhar bem um pelicano de bicicleta, de olho no benchmark nada científico de Simon Willison? Castillo rodou 48 prompts três vezes em 7 modelos e não encontrou sinais desse tipo de ajuste.

O que é o benchmark «pelicano de bicicleta»

O benchmark «pelicano de bicicleta» é um teste pessoal e informal de Simon Willison, no qual ele pede a cada novo modelo de linguagem que gere um desenho em SVG de um pelicano pedalando uma bicicleta. O próprio Willison o chama de «profundamente nada científico», mas em poucos anos o teste ficou tão conhecido na comunidade que surgiu a suspeita: os laboratórios poderiam ter começado a otimizar seus modelos justamente para ele, a fim de aparecer bem na foto. O fenômeno ganhou o apelido bem-humorado de pelicanmaxxing (no texto de Castillo, pelimaxxing).

Como o experimento foi montado

Castillo montou uma grade com 8 animais e 6 tipos de veículo, somando 48 combinações de prompts, e rodou cada uma três vezes em 7 modelos diferentes. Essa matriz permite comparar se os modelos desenham o par «pelicano + bicicleta» de forma anormalmente melhor do que outras combinações, como «flamingo de patinete» ou «garça de barco».

• Data de publicação: 22 de julho de 2026
• 8 animais × 6 tipos de veículo = 48 prompts, cada um rodado 3 vezes
• Foram testados 7 modelos: GPT-5.6 Terra, Claude Sonnet 5, Gemini 3.5 Flash, Grok 4.5, Qwen3.7-Max, GLM-5.2 e DeepSeek V4 Pro
• Os resultados foram avaliados por dois modelos separados: GPT-5.6 Luna e Gemini 3.1 Flash-Lite
• Para consultar todas as gerações, o autor montou uma grade interativa com filtros

Há sinais de ajuste?

Castillo não encontrou sinais de pelicanmaxxing em nenhuma das cinco frentes de verificação. Pelicanos de bicicleta não ficam melhores que as demais cenas, pelicanos não são desenhados com mais capricho que os outros animais, bicicletas não saem mais bem-feitas que os outros veículos, e a combinação em si não fica melhor do que as habilidades individuais do modelo preveriam, mesmo com ajuste pela dificuldade. A quinta verificação indicou que as cenas não parecem decoradas.

A que mais se aproximou de uma anomalia foi a GLM-5.2: ela registrou o maior ganho de qualidade justamente na célula «pelicano + bicicleta», e a primeira amostra do modelo chamou a atenção do autor. Mas, segundo os dados de Castillo, o efeito continua pequeno e estatisticamente insignificante.

«A GLM-5.2 chegou mais perto: ela tem o maior ganho justamente na célula «pelicano de bicicleta».

Mas o efeito é pequeno e estatisticamente insignificante, então eu não daria muito peso a isso», afirma Dylan Castillo, autor do estudo.

O que isso significa

Simon Willison, cujo benchmark deu origem à discussão, chamou o trabalho de Castillo de «excelente» e observou que ele próprio só havia checado os modelos por amostragem, sem esse rigor metodológico. A conclusão do estudo tranquiliza os céticos: por enquanto, não há dados de que os laboratórios «trapaceiem» para um teste viral específico. Os modelos desenham o pelicano de bicicleta exatamente no nível que suas habilidades gerais de geração permitem.

Perguntas frequentes

O que é pelicanmaxxing?

É a suposição de que laboratórios de IA treinam modelos de propósito para ir bem no teste «pelicano de bicicleta» de Simon Willison. O estudo de Dylan Castillo, de 22 de julho de 2026, não encontrou confirmação disso.

Quais modelos tiveram o melhor resultado?

Na matriz de 48 prompts, a que chegou mais perto de um resultado «suspeito» foi a GLM-5.2, com o maior ganho no par «pelicano + bicicleta». No entanto, o efeito é estatisticamente insignificante, por isso o autor não o considera prova de ajuste.