Como imagens influenciaram escolhas de código em modelos de IA

Um preprint datado de 27 de outubro de 2026 relata que símbolos visuais associados a instruções de programação mudaram a proporção de respostas recursivas em três modelos de IA. O efeito variou conforme o modelo e o símbolo, numa tarefa sintética de percurso em árvore binária. Os autores não estabelecem que o mesmo comportamento ocorra em ferramentas de programação do mundo real. O estudo comparou as respostas com e sem imagem.

O que os modelos fizeram na tarefa de programação

Os pesquisadores pediram a Claude Opus 4.7, Gemini 3.1 Pro e GPT-5.4 que escrevessem código para percorrer uma árvore binária em ordem. A tarefa aceita soluções recursivas, nas quais uma função chama a si mesma, ou iterativas, que repetem operações sem essa chamada. Cada configuração de modelo teve 20 respostas amostradas.

Sem imagem, a proporção de soluções recursivas foi de 0% para Claude Opus 4.7 e GPT-5.4 e de 40% para Gemini 3.1 Pro. Com alguns símbolos, os autores registraram proporções diferentes:

Esses resultados se referem à tarefa e às configurações amostradas no estudo. O coração vermelho é o exemplo relatado para Claude Opus 4.7 e GPT-5.4; para Gemini 3.1 Pro, é o sinal de visto amarelo. Não há uma associação única entre símbolo e estratégia para os três modelos: o artigo avaliou 288 combinações de forma e cor e relata perfis diferentes entre eles.

Os controles também apontam para uma diferença entre imagem e descrição textual. Legendas em texto não reproduziram os padrões observados com as imagens, e a correlação entre seus efeitos foi baixa nos três modelos. Imagens de ruído gaussiano e imagens naturais do ImageNet não aumentaram sistematicamente a recursão na tarefa principal.

Os rastros nem sempre refletiram a influência visual

Nas condições avaliadas, as explicações dos modelos nem sempre identificaram corretamente a relação entre símbolo e resposta. Em casos nos quais os símbolos influenciaram o comportamento de Gemini 3.1 Pro, 71,5% dos rastros analisados descartaram o símbolo como irrelevante de forma não fiel, segundo o estudo (n = 1.524). Quando o símbolo não influenciou o comportamento, 19,3% dos rastros atribuíram a ele relevância indevidamente (n = 145).

No GPT-5.4, 74,7% dos rastros em casos sem influência do símbolo afirmaram que ele havia determinado a resposta. Quando os símbolos influenciaram o comportamento, 50,4% dos rastros atribuíram essa influência de forma fiel. Claude Opus 4.7 não produziu rastros de pensamento nessa avaliação. Os números descrevem as condições analisadas no artigo, não uma taxa geral de confiabilidade das explicações desses modelos.

O estudo também relata influência quando a imagem foi inserida sem uma instrução explícita para observá-la. As maiores mudanças na probabilidade de uma resposta recursiva foram +1,00 para Claude Opus 4.7, +0,60 para Gemini 3.1 Pro e +0,50 para GPT-5.4. São máximos registrados nas configurações do artigo.

O alcance dos resultados

Além da tarefa de árvore binária, os autores relatam resultados em cinco outros problemas de recursão versus iteração, em escolhas de programação como busca em profundidade ou em largura e seleção de estruturas de dados, e em tarefas de estilo de escrita e preferências binárias. O estudo também inclui uma investigação exploratória com sete participantes.

Os autores descrevem as tarefas como sintéticas e dizem que ainda é necessário investigar como a influência visual aparece em situações reais. Assim, os resultados ampliam o conjunto de tarefas testadas, mas não estabelecem como imagens cotidianas afetam agentes de programação em uso.