Por que personagens de roleplay com IA ficam rasos: 2 estudos

Dois benchmarks, uma pergunta: quanto do personagem é seu?

A maior parte das pesquisas sobre apps de companhia pergunta se eles ajudam ou prejudicam quem os usa. Estes dois trabalhos fazem uma pergunta mais restrita, mas que importa a qualquer pessoa que escreve personagens: quando você dá uma persona a um modelo, o que essa persona controla de fato?

ANIMASK: a persona define quem, o modelo define até onde

A equipe do ANIMASK congelou cada história num ponto intermediário, deixou os personagens agirem segundo suas próprias motivações a partir dali e comparou o resultado com o que o autor original escreveu em seguida. O ponto engenhoso é a condição de controle: eles também removeram a persona e deixaram o modelo agir só com seu comportamento padrão, para ver o que a persona realmente acrescentava.

A persona está presente, mas raramente decide

Pelas próprias verificações do artigo, a persona não se perdia. Entrevistas dentro da história mostraram que o conhecimento, as relações e os traços do personagem continuavam reconhecíveis até o fim, com médias de curva entre 87 e 96 numa escala de 100, e as ações ficaram dentro do que a persona aceitava em taxas de 0,80 a 0,86. Ainda assim, em cerca de três de cada quatro pontos de decisão, a escolha padrão do modelo sem persona já era aceitável para a persona. A parcela de decisões que a persona comprovadamente mudou — o que os autores chamam de eficácia da persona — foi de apenas 0,07 no Gemini 3.7 Flash a 0,18 no DeepSeek-V4-Flash.

Quando discordam, o modelo recua

Onde persona e comportamento padrão divergiram, o padrão foi constante: o padrão escolheu uma ação mais fraca do que a persona pedia em cerca de um a cada seis pontos de decisão, e acrescentar a persona deixou as ações só um pouco mais fortes (+0,12 a +0,23 na escala do artigo). Nas palavras dos autores, o modelo é o cauteloso, segurando onde a persona avançaria.

As histórias derivam para o raso e o inacabado

O efeito acumulado aparece no enredo. Só 7 das 240 reencenações terminaram com o objetivo de um personagem alcançado, enquanto 39 dos 40 textos originais resolvem sua tensão central. As reencenações tenderam ao que o artigo descreve como histórias mais planas e frias, que deixam as tensões em aberto. Os modelos testados foram GPT-5.5, Claude Sonnet 5, Gemini 3.7 Flash, DeepSeek-V4-Flash, Kimi K2.6 e Qwen3.7-Plus.

RoleBreak: personagens de voz quebram mais cedo do que você imagina

O RoleBreak leva a pergunta para a fala, onde hoje ficam os recursos de modo voz dos apps de companhia. Ele cobre 310 papéis, tanto personagens de ficção quanto papéis centrados no usuário, e pontua os sistemas em consistência de papel, qualidade da interação, segurança e emoção vocal em diálogos de 21,57 turnos em média.

Três resultados se destacam. Primeiro, até o melhor sistema saiu da persona pela primeira vez no turno 10,4 e falhou num critério de segurança pela primeira vez no turno 11,6, em média — mais ou menos no meio de um diálogo de teste típico. Segundo, aumentar o modelo de linguagem melhorou a fidelidade ao papel e adiou essas falhas, mas quase não ajudou a emoção vocal, que continuou fraca nos nove sistemas. Terceiro, mudar só a carga emocional da voz do usuário, com as mesmas palavras, alterou o comportamento no roleplay: as notas de interação variaram 4,2 pontos.

O que isso significa para quem escreve ou joga com personagens

Nenhum dos dois artigos testou apps de consumo, então leia os pontos abaixo como inferências fundamentadas, não como conclusões sobre algum produto.

• Coloque o que está em jogo no cenário, não só na persona. Se o modelo é cauteloso por padrão, um traço como “implacável” é pouca pressão. Objetivos, prazos e consequências concretos dentro da cena dão ao modelo algo sobre o que agir. Nosso guia de design de cenários mostra como.
• O modelo base pesa mais que o card. O ANIMASK encontrou uma eficácia da persona que variou mais que o dobro entre modelos. Se o app deixa você escolher o modelo, o mesmo personagem pode se comportar de modo bem diferente.
• Reancore as cenas de voz cedo. Uma falha por volta do turno 10 significa que sessões longas por voz precisam de lembretes periódicos de quem o personagem é. Nosso texto sobre manter um personagem consistente traz técnicas práticas.
• Fique de olho na deriva de segurança em sessões longas. O RoleBreak conta falhas de segurança junto com as de persona, e as duas chegaram quase juntas.

Um teste rápido para o seu roleplay

O que estes estudos não conseguem dizer

• Ambos são preprints publicados em 15 de setembro de 2026 e não concluíram a revisão por pares.
• O ANIMASK mede apenas personas instaladas pelo prompt. Apps que fazem ajuste fino do modelo para um personagem podem se comportar de outro jeito.
• O ANIMASK compara com uma única continuação do autor por história, e um só modelo de extração construiu os 40 mundos.
• O RoleBreak testa sistemas de pesquisa, em sua maioria modelos abertos; nenhum app de companhia de consumo específico foi avaliado.
• As notas usam a escala própria de cada artigo e não são comparáveis entre os dois benchmarks.

Conclusão

Duas equipes independentes, uma em texto e outra em voz, chegaram no mesmo dia a conclusões compatíveis: a persona informa ao modelo, de forma confiável, quem é o personagem, mas a própria cautela e o fôlego do modelo definem o teto de quão ousado e quão duradouro esse personagem será. Para quem escreve personagens, isso desloca o esforço de cards de persona cada vez mais longos para a pressão do cenário, a escolha do modelo e a reancoragem regular. Para quem compara apps, é um lembrete de que a forma como a IA de companhia é avaliada ainda testa pouco as sessões longas e cheias de altos e baixos emocionais.

Perguntas frequentes