Os geradores de imagem de IA ficaram bons rapidamente. A foto de uma pessoa que nunca existiu, uma foto de produto que nunca foi fotografada, um “screenshot” de um evento que nunca aconteceu; qualquer um destes pode ser produzido em segundos e publicado antes que alguém olhe duas vezes. Se você opera um marketplace, um aplicativo de namoro, uma plataforma de notícias, um fluxo de verificação de identidade ou um feed de conteúdo gerado pelo usuário, você eventualmente precisará de uma resposta programática para uma pergunta: esta imagem foi feita por uma máquina?
É isso que as APIs de detecção de imagem de IA tentam responder. Você envia uma imagem, e recebe de volta uma probabilidade e, às vezes, um palpite sobre qual modelo a produziu. O problema é que o campo é ruidoso. Alguns “detectores” são brinquedos da web para consumidores sem uma API real. Outros são produtos empresariais restritos por uma ligação de vendas. Poucos são APIs de desenvolvedor genuinamente boas, com inscrição aberta e documentação clara.
RESUMO
Para uma API de desenvolvedor com inscrição aberta, atribuição de modelo e documentação REST clara, Sightengine e Hive Moderation são as opções gerais mais fortes, e AI or Not é um terceiro lugar próximo com um endpoint síncrono simples. Reality Defender é o que deve ser usado se deepfakes (rostos) são sua principal preocupação; ele possui um nível gratuito público. O classificador DALL-E 3 da OpenAI é apenas para acesso de pesquisa, não é uma API geral. Nenhum detector é conclusivo; trate cada pontuação como um sinal, não como um veredito.
Como avaliar uma API de detecção de imagem de IA
Antes de comparar fornecedores, entenda o que realmente importa para o seu caso de uso. Um detector que vence um benchmark ainda pode estar errado para o seu produto.
Precisão, e por que você deve desconfiar do número de destaque
Todo fornecedor cita um número de precisão. Trate esses números com cuidado. A precisão depende inteiramente do conjunto de testes: quais geradores ele cobre, se as imagens foram redimensionadas, recompactadas, capturas de tela ou cortadas, e quão recentes são os modelos generativos. Um detector treinado nos modelos do ano passado se degrada contra os deste ano. Um número medido em saídas limpas e de resolução total não se manterá em um JPEG de 600px que alguém salvou novamente três vezes. Pergunte ao fornecedor qual conjunto de dados produziu o número e execute seu próprio teste em imagens que se pareçam com seu tráfego real.
O custo de um falso positivo
Existem duas maneiras de errar. Um falso negativo permite que conteúdo sintético passe. Um falso positivo sinaliza uma foto real de um humano como falsa. Para a maioria dos produtos, o falso positivo é o erro mais doloroso; ele acusa um usuário pagante de fraude. Decida qual erro dói mais e, em seguida, ajuste seu limite de confiança de acordo. Uma boa API fornece uma pontuação contínua (não apenas um sim/não) para que você possa escolher o ponto de corte, e encaminhar pontuações limítrofes para revisão humana em vez de rejeitar automaticamente.
Latência e taxa de transferência
Se a detecção ocorre em um fluxo de upload, ela se posiciona entre o usuário e uma tela de sucesso. Uma chamada síncrona que leva dois segundos é um produto diferente de uma que leva 200 milissegundos. Verifique os tempos de resposta publicados e, em seguida, meça-os você mesmo em sua própria região, sob tamanhos de carga útil realistas. Verifique também os limites de taxa: um nível gratuito limitado a 100 requisições por dia não sobreviverá a um lançamento.
Cobertura do modelo
“Gerado por IA” não é uma coisa única. Os detectores são treinados contra famílias específicas de geradores: Midjourney, Stable Diffusion, DALL-E, Flux, Firefly, Imagen do Google e entrantes mais recentes. Um detector forte em modelos de difusão pode perder imagens de um modelo que nunca viu. Se você precisa saber não apenas se uma imagem é sintética, mas qual modelo a criou, procure pontuações de confiança por gerador na resposta.
Deepfakes são um problema separado
Detectar uma imagem totalmente sintética é diferente de detectar um rosto manipulado em uma foto real. A detecção de deepfake (trocas de rosto, reencenação de rosto) é uma especialidade própria. Algumas APIs fazem as duas coisas; algumas só fazem uma bem. Se o seu risco é a personificação na verificação de identidade, priorize um detector focado em deepfake.
Modelo de precificação
Os fornecedores precificam em unidades diferentes: por imagem, por “operação” (onde uma verificação avançada pode custar várias operações), por crédito ou por nível mensal com excedentes. Mapeie a precificação para o seu volume real. Um preço por chamada que parece barato pode disparar se cada upload acionar três verificações.
Privacidade e residência de dados
Você está enviando imagens de usuários para terceiros. Leia os termos de tratamento de dados. O fornecedor retém imagens? Por quanto tempo? Eles treinam com seus dados? A implantação on-premise ou na região está disponível? Para indústrias regulamentadas, isso pode decidir o fornecedor antes mesmo da precisão. Se você quiser uma análise mais aprofundada dos limites da detecção, por que a detecção de imagem de IA falha aborda os modos de falha em detalhes.
Hive Moderation
Hive (também conhecida como Hive AI e Hive Moderation) é um fornecedor estabelecido de moderação de conteúdo, cuja detecção de conteúdo gerado por IA e deepfake se alinha aos seus produtos de moderação visual, texto e áudio. É uma das opções mais amplamente utilizadas neste espaço.
O que detecta
O classificador de conteúdo gerado por IA do Hive retorna uma pontuação de confiança sobre se uma imagem é gerada por IA, e também retorna o provável motor generativo que a produziu. A linha de produtos abrange imagens, vídeo e áudio, e inclui detecção de deepfake separada.
Como o acesso funciona
O Hive oferece um plano de desenvolvedor self-service. Você se cadastra, adiciona um método de pagamento e o Hive fornece créditos iniciais gratuitos para testar. A API V3 self-service é “instantânea”: crie uma chave de API V3 e comece a chamá-la, com limites de taxa padrão em vigor. Para tráfego de alto volume sustentado, você entra em contato com o Hive para mudar para um plano empresarial com limites de taxa e preços personalizados. A implantação on-premise está disponível para clientes empresariais. Para números atuais, consulte a página de preços do Hive.
Prós
- Produto maduro e amplamente implantado com um verdadeiro nível self-service.
- Retorna o provável gerador de origem, não apenas um binário.
- Um único fornecedor para imagens, vídeo, áudio e moderação mais ampla, se você precisar de mais do que detecção.
- Opção on-premise para implantações sensíveis à privacidade.
Contras
- Os limites de taxa padrão do self-service são modestos; volume sério significa uma conversa empresarial.
- O preço para níveis mais altos é baseado em cotação, então o custo total não é óbvio antecipadamente.
- Assim como todo detector aqui, a precisão varia por gerador e qualidade da imagem.
Sightengine
Sightengine é uma empresa de API de análise de imagem e moderação de conteúdo. Sua detecção de imagem gerada por IA é uma das experiências de desenvolvedor mais limpas desta lista, com documentação escrita para pessoas que chamam APIs.
O que detecta
Sightengine determina se uma imagem foi gerada por um modelo de IA e calcula pontuações de confiança por gerador. Sua documentação lista a cobertura de geradores, incluindo Stable Diffusion, Midjourney, saída de imagem DALL-E / GPT, Flux, Firefly e modelos mais recentes, como os modelos de imagem do Google e Seedream. Ele também oferece detecção de vídeo gerado por IA e detecção de deepfake como verificações separadas.
Como o acesso funciona
Inscrição aberta. O Sightengine tem um plano gratuito no qual você pode permanecer indefinidamente para testes, com um limite mensal de operações e um limite diário. Os níveis pagos (Starter, Growth, Pro) aumentam os limites, com preços de excedente acima de cada nível. Um detalhe que vale a pena saber: o uso é medido em “operações”, e verificações avançadas, como a detecção de imagem gerada por IA, custam mais operações por chamada do que uma verificação de moderação padrão. Confirme os números e custos de operação atuais na página de preços do Sightengine.
Prós
- Documentação focada no desenvolvedor e SDKs oficiais em três idiomas.
- Pontuações por gerador na resposta, o que ajuda na atribuição e ajuste.
- Nível gratuito genuíno sem limite de tempo para avaliação.
- O mesmo fornecedor cobre verificações de imagem de IA, vídeo de IA e deepfake.
Contras
- A unidade de faturamento “operações” leva um momento para ser mapeada ao custo real; a detecção avançada não é uma única operação.
- A detecção de geradores totalmente novos atrasa até que os modelos sejam retreinados, uma restrição compartilhada por todos os detectores.
AI or Not
AI or Not é uma startup focada em detecção. Ao contrário dos grandes fornecedores de moderação, a detecção de mídia gerada por IA e manipulada é seu principal produto, em imagens, áudio e outras modalidades.
O que detecta
AI or Not classifica se uma imagem é gerada por IA e retorna sinais específicos do gerador (por exemplo, Midjourney ou DALL-E), juntamente com detecção de deepfake e algumas facetas extras, como NSFW e sinais de qualidade de imagem. A empresa publica seus próprios números de precisão; como acontece com todos esses números, valide-os em seus próprios dados, em vez de aceitar o número de destaque pelo valor de face.
Como o acesso funciona
Inscrição aberta. Você cria uma conta, obtém uma chave de API e chama a API com um token Bearer. AI or Not oferece verificações gratuitas de imagem única em seu site e uma API paga para uso em massa e comercial. Verifique os planos e limites atuais na documentação da API AI or Not.
Prós
- Endpoint síncrono limpo; uma requisição, um relatório completo.
- A detecção é o produto principal, não um recurso secundário.
- Retorna atribuição do gerador mais facetas de deepfake e qualidade juntas.
- Inscrição aberta com um caminho gratuito para avaliação.
Contras
- Uma empresa menor do que os fornecedores de moderação estabelecidos; considere isso para SLAs e suporte de longo prazo.
- Os detalhes de preços públicos são mais escassos; você pode precisar ler a documentação ou entrar em contato com a equipe para estimar o custo.
Reality Defender
Reality Defender é uma empresa de detecção de deepfake que historicamente vendia para empresas e governos. Em 2025, abriu uma API de desenvolvedor pública e um nível gratuito, o que a torna acessível a desenvolvedores individuais em 2026.
O que detecta
A força do Reality Defender são os deepfakes: mídia manipulada e sintética, com um foco que vai além de rostos para detecção sensível ao contexto de imagens sintéticas. Atualmente, suporta detecção de imagem e áudio, com vídeo nomeado como uma adição planejada. Se o seu risco é a personificação e a manipulação de rostos, em vez de arte de IA genérica, este é o especialista.
Como o acesso funciona
API pública com um nível gratuito. Você cria uma conta RealAPI na plataforma Reality Defender, gera uma chave de API e autentica suas requisições com ela. O nível gratuito fornece uma pequena permissão mensal de varreduras para avaliação; planos pagos aumentam os limites. Consulte a página da API do Reality Defender para os níveis atuais.
Prós
- Especialista em deepfake com um forte histórico empresarial, agora aberto a todos os desenvolvedores.
- Nível gratuito público, para que você possa avaliar sem uma ligação de vendas.
- Ampla cobertura de SDK: cinco idiomas mais HTTPS direto.
- Detecção multi-modelo em vez de um único classificador.
Contras
- A detecção de imagem é sólida, mas o produto é centrado em deepfakes e áudio; para detecção genérica de arte de IA, um fornecedor mais amplo pode cobrir mais geradores.
- A permissão do nível gratuito é pequena; é para avaliação, não para tráfego de produção.
Classificador de detecção DALL-E 3 da OpenAI
A OpenAI construiu um classificador que prevê se uma imagem veio de seu próprio modelo DALL-E 3. Vale a pena entender, mas não é uma API de propósito geral para a qual você pode se inscrever hoje.
O que detecta
O Classificador de Detecção DALL-E é um classificador binário que estima a probabilidade de uma imagem ter sido originada especificamente do DALL-E 3. Ele retorna um resultado verdadeiro/falso mais uma pontuação contínua. Note o escopo estreito: ele é ajustado para o DALL-E 3, não para Midjourney, Stable Diffusion ou outros geradores. A OpenAI relatou alta precisão interna em imagens DALL-E 3 com uma baixa taxa de falsos positivos, mas esses são números internos sobre o próprio modelo da OpenAI.
Como o acesso funciona
Este é o ponto de honestidade importante. O acesso é restrito através do Programa de Acesso a Pesquisadores da OpenAI. Ele é destinado a laboratórios de pesquisa e organizações jornalísticas sem fins lucrativos orientadas à pesquisa, que se candidatam e recebem créditos de API para avaliar o classificador. Não é uma API de desenvolvedor pública e de inscrição aberta, e você não deve planejar um produto em torno dela. A OpenAI descreveu isso e seu trabalho mais amplo de proveniência em sua postagem de maio de 2026 sobre o avanço da proveniência de conteúdo, que também aborda a adesão ao Comitê Diretor da C2PA e a adição de marca d'água SynthID à sua saída de imagem.
Por que ainda importa
Mesmo que você não possa chamá-lo, a direção da OpenAI sinaliza para onde a indústria está caminhando: metadados de proveniência e marca d'água, em vez de apenas detecção. Se você constrói para o longo prazo, planeje ler as Credenciais de Conteúdo C2PA e os sinais de marca d'água como SynthID, não apenas pontuações de probabilidade de um classificador.
Prós
- Alta precisão relatada em imagens DALL-E 3.
- Retorna tanto um veredito binário quanto uma pontuação contínua.
Contras
- Acesso apenas para pesquisa; sem inscrição aberta, portanto não é uma API de desenvolvedor geral.
- Restrito ao DALL-E 3; não cobre outros geradores.
- Não é algo para construir um recurso de produção hoje.
Illuminarty
Illuminarty é um serviço de detecção com uma ferramenta web para o consumidor e uma API de desenvolvedor. É uma das opções mais acessíveis com uma estrutura de preços publicada.
O que detecta
Illuminarty verifica se uma imagem foi gerada por IA, estima qual gerador foi mais provavelmente usado e oferece detecção localizada: uma indicação de quais regiões de uma imagem parecem sintéticas. A saída em nível de região é útil quando você suspeita de edições parciais em vez de uma imagem totalmente gerada.
Como o acesso funciona
Inscrição aberta com um modelo de níveis. Illuminarty publica um plano gratuito para classificação básica de imagem e texto, e níveis mensais pagos que adicionam identificação de modelo, detecção localizada e limites diários de requisições mais altos. Confirme os níveis e limites atuais no site do Illuminarty antes de se comprometer, pois os detalhes do plano mudam.
Prós
- Estrutura de preços publicada e previsível, em vez de níveis apenas por cotação.
- A detecção localizada destaca quais partes de uma imagem parecem sintéticas.
- Plano gratuito para classificação básica.
Contras
- Uma operação menor do que os principais fornecedores de moderação; considere isso para SLAs e suporte de longo prazo.
- Verifique a cobertura do gerador em relação ao seu tráfego; como todos os detectores, ele acompanha os modelos nos quais foi treinado.
Modelos de classificador hospedados no Hugging Face
Esta última opção é diferente. Hugging Face não é uma empresa de detecção; é um hub de modelos. Mas você pode executar modelos de detecção de imagem de IA de código aberto em sua inferência hospedada, o que o torna um caminho real se você deseja controle ou baixo custo.
O que detecta
Depende inteiramente do modelo que você escolher. O Hub hospeda modelos de classificação de imagem da comunidade treinados para rotular imagens como geradas por IA ou feitas por humanos, como checkpoints de classificadores de imagem construídos em arquiteturas como SigLIP e Vision Transformers. Cada modelo tem seus próprios dados de treinamento, geradores suportados e perfil de precisão. Não há garantia de um único fornecedor; você está escolhendo um modelo e herdando suas forças e pontos cegos.
Como o acesso funciona
Você precisa de uma conta Hugging Face e um token de acesso. Você pode chamar um modelo através da API de Inferência sem servidor do Hugging Face para uso leve, ou implantar um Endpoint de Inferência dedicado para tráfego de produção estável. Você também pode baixar os pesos do modelo e hospedá-los você mesmo. Navegue pelos modelos em huggingface.co.
Prós
- Controle máximo: escolha o modelo, inspecione-o, ajuste-o ou hospede-o você mesmo.
- Potencialmente o custo mais baixo em escala, especialmente auto-hospedado.
- Sem dependência de fornecedor; o modelo é aberto.
Contras
- Sem garantia de precisão ou suporte do fornecedor; a qualidade varia amplamente entre os modelos da comunidade.
- Você é responsável pela avaliação, seleção de modelos, atualizações e tempo de atividade.
- Muitos modelos da comunidade ficam para trás em relação aos geradores mais recentes e podem não ser mantidos.
- Mais trabalho de engenharia do que uma API pronta para uso. Se você seguir este caminho, construa sua própria API de detector de imagem de IA explica como encapsular um modelo em um serviço.
Tabela de comparação
| Fornecedor | Inscrição aberta | O que detecta | Estilo da API | Atribuição do gerador | Suporte a Deepfake | Nível gratuito | Modelo de precificação |
|---|---|---|---|---|---|---|---|
| Hive Moderation | Sim, self-service | Imagens, vídeo, áudio de IA | REST | Sim, prevê o gerador | Sim | Créditos iniciais na inscrição | Self-service mais cotação empresarial |
| Sightengine | Sim | Imagens, vídeo, deepfakes de IA | REST mais SDKs (Python, PHP, Node) | Sim, pontuações por gerador | Sim | Sim, sem limite de tempo | Níveis mensais, cobrado em operações |
| AI or Not | Sim | Imagens, áudio, deepfakes de IA | REST, endpoint síncrono | Sim, por gerador | Sim | Verificações gratuitas de imagem única | API paga para uso em massa e comercial |
| Reality Defender | Sim, API pública | Deepfakes, imagens, áudio de IA | REST mais SDKs (Python, TS, Go, Rust, Java) | Focado em detecção | Sim, principal força | Sim, pequena permissão mensal | Nível gratuito mais planos pagos |
| Classificador DALL-E 3 da OpenAI | Não, apenas acesso para pesquisa | Apenas imagens DALL-E 3 | REST | Não, escopo DALL-E 3 | Não | Apenas créditos de pesquisa | Programa de Acesso a Pesquisadores |
| Illuminarty | Sim | Imagens de IA, regiões localizadas | REST | Sim, modelo provável | Limitado | Sim, classificação básica | Níveis mensais publicados |
| Modelos hospedados no Hugging Face | Sim (conta HF) | Depende do modelo escolhido | Inferência REST | Depende do modelo | Depende do modelo | Uso gratuito sem servidor, limitado | Por uso ou endpoint dedicado |
Considere a precisão de cada opção aqui como condicional. Nenhuma delas é um autenticador conclusivo.
Conclusão
A detecção de imagem de IA é útil, mas não é mágica. Use-a como um sinal em um sistema maior, não como um veredito final.
- Para uma API de desenvolvedor geral com inscrição aberta e atribuição de gerador, comece com Sightengine ou Hive Moderation.
- Para um endpoint síncrono simples que retorna tudo em uma única chamada, experimente AI or Not.
- Para deepfakes e manipulação de rosto, Reality Defender é o especialista e agora tem um nível gratuito público.
- O classificador DALL-E 3 da OpenAI é apenas para acesso de pesquisa; não planeje um produto em torno dele.
- Illuminarty é uma opção econômica com detecção localizada; os modelos hospedados no Hugging Face são adequados para equipes que desejam controle e podem gerenciar a engenharia.
- Nenhuma API é conclusiva. Valide a precisão em seu próprio tráfego, projete para o custo de falsos positivos e encaminhe pontuações limítrofes para revisão humana.
A maneira confiável de escolher é testar. Conecte o endpoint de cada provedor ao Apidog, envie imagens reais, inspecione o JSON, meça a latência da sua região e compare os resultados lado a lado antes de programar uma única linha de código de produção.