O ChatGPT descobre onde foi tirada a foto?

Em abril de 2025, uma nova tendência se espalhou no X. As pessoas enviavam fotos ao ChatGPT, de cardápios de restaurantes a esquinas e selfies, para testar se o ChatGPT descobre onde foi tirada a foto. A OpenAI tinha acabado de lançar os modelos o3 e o4-mini, que podem recortar, girar e ampliar uma imagem enquanto raciocinam sobre ela. A TechCrunch noticiou que o o3, em especial, conseguia deduzir cidades, pontos turísticos e até restaurantes e bares a partir de pequenas pistas visuais, e chamou a tendência de “reverse location search”.

Desde então, o truque foi testado com mais cuidado, sobretudo pela Bellingcat, o grupo de investigação de código aberto, que fez 500 testes com fotos que nunca tinham estado online. Este guia reúne o que esses testes mostraram: quão perto o ChatGPT chega, como ele se compara ao Google Lens e a outros chatbots, quando ele está lendo algo além dos pixels e onde ele erra.

O modelo lê uma cena como um geolocalizador treinado leria: a escrita das placas, as marcações da estrada, os prédios, as plantas e o formato dos morros. Como funciona a geolocalização por IA explica esse processo em termos gerais. O que há de novo nos chatbots é que eles raciocinam em voz alta, ampliam detalhes e podem pesquisar na web enquanto fazem isso.

O desenvolvedor Simon Willison deu ao o3 uma foto tirada em um bar ao ar livre perto da sua casa em El Granada, Califórnia: uma estrada, uma casa sem identificação e algumas colinas. O modelo passou quase sete minutos recortando e ampliando, notou uma placa da Califórnia e, no primeiro palpite, chutou Cambria, a cerca de 320 km (200 milhas) de distância. Seu segundo palpite, Half Moon Bay ou El Granada, estava certo.

Os testes da própria TechCrunch foram mais variados. Diante de uma cabeça de rinoceronte roxa, montada na parede de um bar mal iluminado, o o3 acertou ao situá-la em um speakeasy de Williamsburg, onde o GPT-4o, mais antigo, chutou um pub no Reino Unido. Mesmo assim, o GPT-4o chegou à mesma resposta certa do o3 na maioria das vezes, e mais rápido, e vários testes simplesmente falharam.

A Bellingcat deu a todos os modelos o mesmo prompt, “Where was this photo taken?”, com fotos que não tinham metadados, e atribuiu a cada resposta uma nota de 0 a 10. Nota 10 significava uma identificação precisa e específica, como um bairro, uma trilha ou um ponto turístico. A tabela mostra cinco dos testes publicados por ela.

Portanto, o resultado típico é uma região ou uma cidade, e o ponto exato quando a foto entrega um nome ou um endereço. Esse é o teto de qualquer método visual: uma cena sustenta uma região, e um ponto exige texto legível ou dados de GPS.

Eles fazem trabalhos diferentes. O Google Lens é uma consulta: procura imagens iguais ou parecidas na internet, então brilha quando um lugar foi fotografado muitas vezes. Diante do Schluchsee, um lago na Floresta Negra alemã, o Lens o trouxe como primeiro resultado, e o ChatGPT foi o único chatbot a nomeá-lo. Em cidades, o Lens tendia a se fixar em estruturas grandes e comuns, como prédios e rodas-gigantes. Google Lens e Yandex comparados cobre o lado da consulta.

Pensar mais nem sempre ajudou. O ChatGPT Deep Research passou quase 13 minutos em um litoral e errou por cerca de 50 km, ao norte dele, enquanto o o4-mini-high respondeu em 39 segundos e ficou 15 km mais perto. Também não era automático que o mais novo fosse melhor: no reteste de agosto, o GPT-5 Pro, a 200 euros por mês, não foi melhor que o mais antigo o4-mini-high. Um benchmark de 2026 encontrou o mesmo padrão com modelos posteriores.

EXIF são os dados ocultos que uma câmera ou um celular grava no arquivo da foto, incluindo as coordenadas GPS quando a localização está ativada (o que os dados EXIF registram). Se eles sobrevivem ao envio, isso já variou. Nos testes de Patterson, feitos no navegador em abril de 2025, o modelo o3 encontrou as etiquetas vazias até que ele enviasse a foto dentro de um arquivo zip. Depois, Willison citou o relato de um usuário do Hacker News segundo o qual o o3 usou código para ler as etiquetas EXIF de uma foto sem admitir isso, embora a etapa estivesse visível em seu raciocínio.

Então decida o que você quer saber. Para descobrir onde a foto foi tirada, leia você mesmo as coordenadas GPS primeiro, porque uma posição medida vale mais que qualquer palpite. Para ver o que os pixels revelam sozinhos, teste uma captura de tela, que não carrega a localização da original (por que as capturas de tela não têm dados GPS).

Willison esbarrou nos dois problemas. Ele descobriu que “precisava desligar primeiro todos os recursos de memória do ChatGPT, ou ele trapaceava e usava o contexto das minhas conversas anteriores”, e depois que o3 tinha uma ideia aproximada de onde ele estava: “Ele sabe que estou em Half Moon Bay.” O truque ainda funcionou em fotos dele da zona rural de Madagascar e de Buenos Aires, a milhares de milhas de casa. Quando ele testou o Gemini, a resposta começou com: “Given that my current location context is El Granada, California...”

Para uma resposta justa, abra um chat temporário e escolha a opção “Unpersonalized” antes de enviar a foto. A OpenAI diz que essa opção não usa memória, instruções personalizadas nem plugins. É uma configuração de memória, não de localização: o ChatGPT ainda pode estimar onde você está pelo endereço IP, então, se um palpite cair na sua própria cidade, pergunte o que na imagem aponta para ela.

Uma foto da Bellingcat mostrava uma praia com um grande hotel e uma roda-gigante temporária, montada em 2024 e desmontada no inverno. Muitos modelos apontaram Scheveningen, um balneário holandês mais conhecido que também tem sua própria roda-gigante. No reteste de agosto, o GPT-5 Pro e o GPT-5 Thinking a situaram na França. O Google AI Mode foi o primeiro modelo a nomear a cidade certa: Noordwijk, nos Países Baixos.

• Coordenadas. A Bellingcat constatou que os modelos muitas vezes devolveram coordenadas aproximadas ou simplesmente incorretas. Um lugar nomeado é mais fácil de conferir do que um pino no mapa.
• Fotos sem características ou internas. Com pouco no quadro, uma resposta confiante é um palpite com um número anexado. Encontrar a localização sem dados GPS mostra do que uma cena precisa para ser útil.
• Lugares que mudaram. Atrações sazonais, prédios novos e lojas fechadas podem levar um modelo a um sósia mais conhecido.
• Vídeo. A maioria dos chatbots não consegue assistir a vídeos, observou a Bellingcat, então localizar um clipe ainda começa com quadros fixos.

A TechCrunch foi direta em 2025: nada impedia alguém de fazer uma captura de tela do Instagram Story de uma pessoa e usar o ChatGPT para tentar fazer doxxing, e parecia haver poucas salvaguardas contra esse tipo de “reverse location lookup”. Horas depois, a OpenAI respondeu que os modelos ajudam em áreas como acessibilidade, pesquisa e “identifying locations in emergency response” (identificação de locais em resposta a emergências), e que monitora abusos de sua política de uso relativa à privacidade.

Os modelos variam na disposição para responder. Em um estudo acadêmico com 500 fotos tiradas na Califórnia, o o3 da OpenAI deu uma localização específica e verificável para 81% delas, e o Gemini 2.5 Pro para 85%, enquanto os modelos Claude fizeram isso em cerca de um quarto ou menos. O mesmo estudo mediu com que frequência essas respostas caíam perto do local real, e o que isso significa para fotos tiradas em casa tem um guia próprio.

O GeoSpy estima a cidade e o país que uma foto mostra a partir do que está visível no quadro; quando o arquivo ainda tem dados GPS, ele os lê e mostra o local registrado. Nunca devolve um endereço de rua, e as fotos enviadas não são armazenadas. No geospys.com, ele vem com o GeoSpy Premium, uma assinatura de US$ 7,99 por semana ou US$ 29,99 por ano (₺389 ou ₺1.460 na Turquia), com uso ilimitado dentro do uso justo e cancelável a qualquer momento. Assine o plano anual, ou experimente o app GeoSpy para iPhone, que tem teste grátis.