Prompt ChatGPT GeoGuessr: o que um teste de 200 fotos diz

Em abril de 2025, Kelsey Piper mostrou ao novo modelo o3, da OpenAI, a foto de uma praia. Sem nenhuma pergunta adicional, ele nomeou o ponto exato: Marina State Beach, no condado de Monterey, Califórnia. Os comentaristas suspeitaram de truque. Talvez o arquivo ainda guardasse os dados de localização, ou o o3 tivesse lembrado onde ela morava em conversas anteriores, ou ele tivesse rastreado seu endereço IP.

Piper também vinha usando um prompt longo, montado aos poucos, que, segundo ela, melhorou bastante o desempenho do modelo o3. Scott Alexander, que escreve o blog Astral Codex Ten, testou o prompt em um conjunto de fotos de teste, principalmente fotos antigas suas que nunca tinham estado online, sem metadados e espelhadas para dificultar a correspondência. Uma foto de rochas nuas e da bandeira de um país imaginário, tirada em um pico do Himalaia, voltou como “Nepal, just north-east of Gorak Shep, ±8 km”. Estava exatamente certo.

O prompt circulou amplamente como “the GeoGuessr prompt”, e muita gente que o testou saiu impressionada. Um ano depois, alguém finalmente fez o teste controlado. Em média, o prompt não deixou o modelo o3 melhor.

Scott Alexander o reproduziu por completo em Testing AI’s GeoGuessr Genius. Suas partes principais:

• Regras básicas. “No metadata peeking. Work only from pixels (and permissible public-web searches).” Ele também manda o modelo não raciocinar a partir do endereço IP do usuário.
• Observações brutas. Até dez itens com o que pode ser literalmente visto ou medido, como cor, textura, ângulo das sombras e formas das letras, com a interpretação deixada de lado.
• Categorias de pistas. Clima e vegetação, formas do relevo, ambiente construído, cultura e infraestrutura, e a luz.
• Cinco candidatos. Uma lista ranqueada em que o primeiro e o quinto lugares precisam estar a pelo menos 160 km de distância.
• Refutação. Para o palpite líder, descreva o que o derrubaria. “You are an LLM, and your first guesses are ‘sticky’ and excessively convincing to you”, alerta o prompt.
• Fechamento. Coordenadas ou o lugar nomeado mais próximo, mais um raio de incerteza em quilômetros.

Ele até inclui uma fórmula para estimar a latitude a partir do comprimento de uma sombra, uma técnica com guia próprio. Parece uma lista de verificação para um geolocalizador humano cuidadoso, e isso faz parte do seu apelo.

O prompt curto de Goedecke simplesmente pedia ao modelo o3 que localizasse a foto a partir de evidências visuais e devolvesse coordenadas, uma pontuação de confiança e as pistas usadas. A versão longa recebeu o mesmo formato de resposta. Ambas rodaram pela API da OpenAI sem busca na web, então o teste mediu os passos de raciocínio do protocolo, não os passos de busca que ele também descreve.

O prompt longo teve seus acertos. Às vezes manteve um palpite no país certo quando o curto derivou para a parte errada da Europa, e situou uma foto interna, uma galeria comercial em Moscou, a menos de 200 metros, enquanto o prompt curto disse São Petersburgo. Mas suas oscilações prejudiciais foram mais numerosas e pesaram mais que as úteis, segundo o relatório de Goedecke.

Conheça os limites do teste. É um único benchmark, criado por uma pessoa por cerca de US$ 15. A maioria das fotos (180 de 200) veio do Geograph, projeto que documenta a Grã-Bretanha e a Irlanda, e o restante do Wikimedia Commons, e fotos públicas podem já estar nos dados de treinamento de um modelo. Goedecke verificou que nenhuma tinha metadados EXIF e argumenta que um modelo que tivesse memorizado as fotos teria se saído melhor.

Piper montou o prompt perguntando ao modelo o3, depois de cada erro, como ele poderia ter evitado aquilo, e acrescentando a resposta. O ponto de Goedecke é que esse ciclo lisonjeia o prompt: quando você pergunta se uma mudança no prompt melhorou as coisas, os modelos “quase sempre dizem ‘sim, isso ajudou muito’”. A única forma de saber, escreve ele, é um benchmark.

A própria tentativa de Alexander mostra por que exemplos isolados enganam. Com o prompt, o modelo o3 situou uma planície sem características na região certa de 300 por 100 milhas do Texas e do Novo México, mas, ao pedir um ponto, errou por cerca de 110 milhas. O modelo só conseguiu chamar um quarto de alojamento na Califórnia de “a dorm room on a large public university campus in the United States”, colocou um trecho de gramado de Michigan no Noroeste do Pacífico e confundiu um trecho marrom do Mekong com o Ganges. A antiga casa de Alexander em Michigan voltou como Richfield, Minnesota.

Acertos impressionantes são o que as pessoas compartilham. Um teste com centenas de fotos diz mais do que qualquer captura isolada, por mais estranha que seja.

“Whatever o3 had that made it good at this task hasn’t transferred to newer models”, concluiu Goedecke. Também importa qual modelo você realmente recebe: depois que o GPT-5 chegou, a OpenAI removeu do ChatGPT a opção de escolher modelos mais antigos, como o o4-mini-high, segundo a Bellingcat. Como o ChatGPT se saiu em relação ao Google Lens e a outros chatbots traz o restante dos resultados da Bellingcat.

1. Step 1Leia os metadados primeiroCoordenadas guardadas no arquivo são medidas, não chutadas, então verifique os dados GPS antes de qualquer coisa. Fotos salvas de apps sociais geralmente já perderam esses dados.
2. Step 2Comece um chat limpoNo ChatGPT, abra um chat temporário e escolha “Unpersonalized” antes da primeira mensagem; a OpenAI diz que esse modo não usa memória, instruções personalizadas nem plugins. A Bellingcat constatou que o histórico da conta podia direcionar as respostas, e o ChatGPT ainda pode estimar sua localização aproximada pelo endereço IP.
3. Step 3Use a cópia mais nítidaOs detalhes pequenos decidem o resultado: em um dos testes da Bellingcat, o endereço exato veio do que estava escrito em uma caixa de correio. Envie o original, e não uma republicação comprimida, e acrescente um close de qualquer texto.
4. Step 4Peça de forma direta e peça evidênciasUm pedido curto foi tão bom quanto o protocolo de 1.100 palavras. Experimente: Where was this photo taken? List the visible clues you used, give three candidate places with a confidence for each, and say what would rule each one out. As linhas extras não estão ali para aumentar a precisão; elas dão algo que você pode conferir.
5. Step 5Confira os candidatos você mesmoProcure duas ou três correspondências independentes, como uma placa, a linha de um telhado e o formato de um morro, no Street View ou em imagens de satélite. Para pontos turísticos, faça também uma pesquisa reversa de imagem: o Google Lens superou a maioria dos chatbots nesses casos nos testes da Bellingcat, e identificar um ponto turístico mostra esse caminho.
6. Step 6Mantenha a incertezaTodo modelo testado pela Bellingcat esteve totalmente errado em algum momento. Observe o quão confiante foi a resposta e nunca trate o palpite de um chatbot como evidência sobre uma pessoa.

A mesma ordem funciona para qualquer método, com IA ou não: primeiro os dados medidos, depois uma hipótese, por último a confirmação. Os quatro caminhos para descobrir onde uma foto foi tirada explicam tudo com detalhes.

O prompt toma emprestado o nome do jogo, não suas regras. Ele foi escrito para fotos reais, que, segundo o próprio texto, podem vir de terrenos privados, do quintal de alguém ou de uma viagem fora de estrada. Se a IA consegue vencer os melhores jogadores de GeoGuessr, e como usá-la para treinar entre as rodadas, tem um guia próprio.

O GeoSpy trabalha com o que está visível no quadro, responde no nível de cidade e não de endereço, e não armazena as fotos enviadas. No geospys.com, a análise vem com o GeoSpy Premium: US$ 7,99 por semana ou US$ 29,99 por ano (₺389 ou ₺1.460 na Turquia), uso ilimitado dentro do uso justo, e você pode cancelar a qualquer momento. Escolha o plano anual, ou comece com o teste grátis no app GeoSpy para iPhone.