OpenAI diz que o ChatGPT aprendeu a contar letras, mas ainda erra em palavras simples

A OpenAI afirmou que o ChatGPT finalmente aprendeu a responder corretamente quantas letras R há na palavra strawberry, um dos testes de bom senso mais conhecidos para chatbots de IA. Mas quase imediatamente, usuários mostraram que o modelo ainda erra em tarefas quase idênticas, e com a mesma confiança de antes.

O que exatamente foi corrigido

A pergunta sobre strawberry virou há tempos um meme sobre grandes modelos de linguagem. Para uma pessoa, a tarefa é trivial: basta contar as letras. Mas o ChatGPT respondeu errado com frequência por muito tempo e podia insistir que a palavra não tem três letras R.

Houve algo parecido com outra pergunta popular: "Quero lavar o carro hoje, mas o lava-rápido fica a apenas 50 metros. Devo ir a pé para chegar lá de carro?". Em vez de notar o absurdo lógico da frase, o bot muitas vezes aconselhava ir a pé para depois ir de carro.

Em 28 de abril de 2026, a OpenAI escreveu no X que os dois casos finalmente foram corrigidos, e apresentou isso como uma vitória pequena, mas simbólica, sobre antigos memes do ChatGPT. A mensagem era simples: o modelo lida melhor com lógica elementar e análise de letras, onde antes tropeçava. Mas o efeito do anúncio se dissipou rápido, porque usuários começaram logo a testar formulações vizinhas para ver até onde vai a correção.

"Finalmente"

Onde o bot falha

O exemplo mais revelador é a palavra cranberry. Perguntado quantas letras r há nela, o ChatGPT, segundo usuários, ainda costuma responder que a letra aparece uma vez. Está errado: são duas. Ou seja, o modelo pode passar em um teste viral e falhar em outro quase igual um minuto depois. Por isso muitos suspeitaram que a OpenAI não resolveu o problema de fundo, apenas tapou alguns cenários visíveis demais.

• Em strawberry, o modelo agora conta as letras certo com mais frequência
• A pergunta do lava-rápido a 50 metros também passou a ter uma resposta mais lógica
• Em cranberry, o bot ainda pode informar com confiança o número errado de letras
• Depois de corrigido, o modelo pode não admitir o erro de imediato e continuar discutindo

Daí surgiu a hipótese de remendos pontuais, possivelmente escritos à mão. Se o modelo assimilou uma regra geral, deveria aplicá-la da mesma forma a palavras e tarefas parecidas, e não passar apenas em testes virais já conhecidos. Desse ponto de vista, uma resposta certa isolada não prova quase nada: o que importa não é a correção de um meme específico, mas a transferência da lógica para casos próximos sem ajuste manual.

Por que isso importa

A história só parece engraçada na superfície. Um erro ao contar letras é inofensivo por si só, mas mostra uma característica mais incômoda dos sistemas de IA atuais: eles podem dizer falsidades com confiança e sem alarmes internos. O modelo não diz "não tenho certeza" e nem sempre percebe a contradição, mesmo após um esclarecimento. Assim, o usuário recebe não só uma resposta imprecisa, mas uma que parece convincente.

Do ponto de vista técnico, isso não é tão surpreendente. Grandes modelos de linguagem são ótimos em prever uma continuação plausível de texto, mas não são obrigados a executar de forma estável operações simbólicas ou verificações lógicas rigorosas em cada caso parecido. Por isso, uma falha no nível de uma única letra não é uma curiosidade isolada, mas sintoma de uma limitação mais geral. O mesmo padrão pode aparecer em resumos de documentos, conselhos, sínteses, comparações de números e em qualquer tarefa que exija não uma fala fluida, mas uma verificação interna precisa do resultado.

O que isso significa

Para a OpenAI, a história é um lembrete de que os usuários já avaliam o modelo não por anúncios bonitos, mas pela estabilidade em exemplos vizinhos. Se o ChatGPT foi corrigido apenas para um par de pedidos virais, a confiança quase não cresce. Para o usuário comum, a conclusão é simples: mesmo quando o bot supera com confiança uma pegadinha conhecida, suas respostas a tarefas simples de letras, números e lógica ainda precisam ser conferidas.