Qual modelo respeitou a candidata
O DeepSeek R1 atraiu enorme atenção por oferecer um modelo de raciocínio com pesos abertos e uma versão web acessível. A página oficial de lançamento do DeepSeek identifica o R1 como o modelo por trás do modo DeepThink. Depois, a OpenAI lançou o GPT-5.4 Thinking no ChatGPT em 5 de março de 2026.
A pergunta óbvia sobre currículos surgiu na hora: o que acontece quando os dois modelos recebem uma seção original sólida e uma descrição de vaga que os tenta a exagerar?
O teste importa por um motivo concreto. Um currículo precisa resistir fora da tela. Uma pessoa real vai se sentar numa entrevista e responder a perguntas sobre cada cargo, número, ferramenta, decisão e resultado. Um texto fluente se torna perigoso quando deixa essa pessoa defendendo um trabalho que ela nunca fez.
Como foi feita a comparação
Em 22 de março de 2026, foram testados o DeepSeek R1, com o DeepThink ativado, e o GPT-5.4 Thinking no ChatGPT. Os dois modelos receberam a mesma experiência original e o mesmo anúncio do Google para uma vaga de Program Manager em uma equipe de Supply Chain Resiliency (resiliência da cadeia de suprimentos).
A instrução central era simples:
Reescreva esta seção do currículo para que ela se alinhe melhor à descrição da vaga, mantendo cada afirmação fiel à experiência original.
Foi uma única rodada por modelo, nas versões para o público geral. O resultado é uma comparação editorial prática dessas duas respostas. Outra rodada poderia produzir um texto diferente.
Quatro pontos foram avaliados. Primeiro, a fidelidade: o modelo preservou cargos, escopo, números, responsabilidades e fatos? Depois, a relevância: ele pôs em destaque as correspondências reais com a vaga? Também contaram a clareza e a possibilidade de usar o texto de imediato. A fidelidade teve o maior peso no veredito, porque uma invenção relevante continua prejudicando a candidata.
A experiência original
Esta é a seção do currículo que os dois modelos receberam:
Os fatos originais eram estes:
Senior Product Manager, TechCorp Solutions, San Francisco, CA
Mar. 2020 – atual
Liderança de uma plataforma de colaboração corporativa que atende mais de 500 clientes empresariais, com gestão de um orçamento anual de 5 milhões de dólares e coordenação de stakeholders globais nas regiões EMEA e APAC.
- Gestão de um portfólio de produtos que gera 8 milhões de dólares em ARR (receita recorrente anual), com crescimento de 40% ano a ano
- Liderança de uma equipe multidisciplinar de 15 engenheiros, designers e analistas em todo o ciclo de desenvolvimento do produto
- Implantação de um modelo de OKR que resultou em melhora de 30% na velocidade da equipe e nas métricas de entrega
- Pesquisa abrangente com mais de 200 clientes empresariais para embasar o roadmap estratégico do produto
- Apresentações técnicas para executivos C-level e para a alta liderança
- Coordenação de lançamentos de produto em vários mercados com as equipes de engenharia, UX/UI, vendas e finanças
Esse original já é forte. Ele traz escala, orçamento, receita, composição da equipe, trabalho internacional, pesquisa com clientes, apresentações para a alta liderança e um resultado de processo medido. Os modelos tinham bastante material para trabalhar.
O original não traz nenhum cargo de Program Manager, apresentações ao conselho, base de receita de três anos, conformidade em comércio exterior, trabalho com importação e exportação, parceiros de logística, automação de relatórios, revisões trimestrais de negócio nem responsabilidade por riscos da cadeia de suprimentos. Esses limites se mostraram decisivos.
A resposta do DeepSeek R1
O DeepSeek produziu uma única versão e explicou suas mudanças:
Senior Product Manager / Program Manager, TechCorp Solutions
San Francisco, CA | Mar. 2020 – atual
- Gestão de um programa SaaS corporativo estratégico com orçamento anual de 5 milhões de dólares, conduzindo iniciativas multidisciplinares em engenharia, design e análise de dados para atender mais de 500 clientes B2B.
- Liderança de equipes multidisciplinares de 15 pessoas (engenheiros, designers, analistas) na execução de programas complexos e de alta visibilidade, garantindo o alinhamento entre a execução técnica e os objetivos de negócio.
- Estruturação e execução de iniciativas estratégicas a partir da coleta e síntese de dados qualitativos de mais de 200 stakeholders empresariais, para definir requisitos de negócio e impulsionar o desenvolvimento de novas capacidades.
- Elaboração de planos operacionais e apresentação de recomendações estratégicas, embasadas em dados, a executivos C-level e membros do conselho, para garantir o apoio da organização e orientar a priorização do roadmap.
- Padronização de processos com a implantação de um modelo de OKR, reduzindo ineficiências em fluxos de trabalho manuais e melhorando em 30% a velocidade da equipe por meio de maior alinhamento e da automação de relatórios.
- Coordenação de iniciativas de expansão de mercado em EMEA e APAC, em colaboração com parceiros locais das áreas jurídica, de conformidade em comércio exterior e de logística, para atender a requisitos de importação e exportação e mitigar riscos da cadeia de suprimentos.
- Definição de métricas de sucesso e liderança de iniciativas analíticas que elevaram a receita do programa de 2 milhões para 8 milhões de dólares em ARR, usando insights orientados por dados para identificar oportunidades de crescimento e otimizar a alocação de recursos.
O que o DeepSeek fez bem
O texto passa segurança. Ele reconhece pontes reais entre o trabalho com produto e o trabalho com programas: gestão de orçamento, liderança multidisciplinar, comunicação com executivos, melhoria de processos, pesquisa com clientes e coordenação internacional.
As palavras-chave escolhidas estão bem alinhadas ao cargo pretendido. “Requisitos de negócio”, “planos operacionais”, “padronização de processos” e “riscos” levam a vaga para dentro da nova versão. A explicação das mudanças também deixa a estratégia de edição fácil de acompanhar.
Onde o DeepSeek passou do limite
A mudança de cargo salta aos olhos e é grave. A candidata tinha o cargo de Senior Product Manager. Acrescentar “Program Manager” altera um fato do histórico profissional que uma checagem de antecedentes pode verificar.
O tópico internacional vai muito além. O original diz que a candidata coordenou lançamentos de produto em vários mercados e trabalhou com engenharia, UX/UI, vendas e finanças. O DeepSeek acrescenta jurídico, conformidade em comércio exterior, logística, requisitos de importação e exportação e mitigação de riscos da cadeia de suprimentos. Todos esses acréscimos servem à vaga, e nenhum aparece no original.
Várias invenções menores agravam o problema. O DeepSeek transforma a pesquisa com clientes em dados qualitativos, acrescenta membros do conselho, introduz planos operacionais, atribui à candidata a automação de relatórios e cria uma base de receita de 2 milhões de dólares com um período de crescimento que o original nunca informou.
Essa resposta exigiria uma reconstrução linha a linha antes do envio. Seu forte alinhamento vem em parte de detalhes tirados da própria vaga.
A resposta do ChatGPT GPT-5.4 Thinking
O ChatGPT ofereceu duas versões e explicou a diferença entre elas. Esta era a mais forte:
Senior Product Manager, TechCorp Solutions, San Francisco, CA
Mar. 2020 – atual
- Liderança de programas em iniciativas estratégicas e multidisciplinares para uma plataforma SaaS corporativa usada por mais de 500 clientes B2B, com responsabilidade por um orçamento anual de 5 milhões de dólares
- Construção de alinhamento organizacional entre as equipes de engenharia, design e análise de dados, com 15 pessoas, para executar programas prioritários, definir requisitos de negócio e entregar novas capacidades operacionais
- Coleta e síntese das contribuições de mais de 200 clientes empresariais para identificar falhas de processo, avaliar riscos e promover melhorias que aumentaram a eficácia do produto e reduziram atritos
- Condução de revisões trimestrais de negócio com a liderança executiva e membros do conselho, apresentando análises baseadas em dados, planos estratégicos e recomendações para apoiar a tomada de decisão
- Aumento da eficiência de execução com a implantação de um modelo de OKR que elevou em 30% a velocidade da equipe, simplificou o planejamento e reduziu o esforço de coordenação manual
- Gestão de lançamentos em 3 novos mercados internacionais, coordenando stakeholders regionais, resolvendo problemas entre equipes e garantindo a prontidão de várias frentes de trabalho
- Crescimento de 300% em ARR, de 2 milhões para 8 milhões de dólares em 3 anos, com execução disciplinada de programas, resolução analítica de problemas e melhoria contínua de processos
O que o ChatGPT fez bem
O ChatGPT preservou o cargo oficial. Isso importa. Ele também resistiu à ficção mais tentadora da vaga: experiência direta em cadeia de suprimentos, importação e exportação e conformidade em comércio exterior.
O texto é limpo e as correspondências reais ficam visíveis. Liderança multidisciplinar, responsabilidade por orçamento, contribuições de clientes, comunicação com executivos, implantação de OKR, lançamentos internacionais e ARR, tudo recebe atenção.
Oferecer duas versões foi útil porque expôs uma escolha de ênfase. As orientações que acompanharam a resposta também reconheciam a falta de experiência direta em cadeia de suprimentos e incentivavam a candidata a se apoiar em seus pontos fortes reais em gestão de programas.
Onde o ChatGPT também se afastou do original
A versão original deste artigo foi generosa demais com o ChatGPT. Uma nova revisão linha a linha mudou essa avaliação.
O ChatGPT inventa revisões trimestrais de negócio e membros do conselho. O original só sustenta apresentações técnicas para executivos C-level e para a alta liderança. Ele transforma a pesquisa com clientes em identificação de falhas de processo e avaliação de riscos e depois acrescenta resultados de eficácia do produto e redução de atritos. Troca “vários mercados” por três mercados e acrescenta resolução de problemas e a prontidão de frentes de trabalho.
O último tópico é a invenção mais clara. O original informa 8 milhões de dólares em ARR e crescimento de 40% ano a ano. O ChatGPT fabrica um ponto de partida de 2 milhões de dólares, um período de três anos e um crescimento de 300%. Esses números podem até fechar na matemática, mas o original nunca os estabelece.
Nesta rodada, o ChatGPT produziu o rascunho mais seguro. Ainda assim, é um rascunho que nunca deveria ser enviado sem alterações.
Avaliação editorial lado a lado
| Critério | DeepSeek R1 | ChatGPT GPT-5.4 Thinking |
|---|---|---|
| Precisão | Fraca: mudou o cargo e acrescentou ampla experiência no setor | Mista: preservou o cargo e evitou afirmações sobre cadeia de suprimentos, mas inventou vários detalhes operacionais e um histórico de receita |
| Aderência à vaga | Muito alta, em parte graças a acréscimos sem base | Alta, com linguagem real de gestão de programas |
| Clareza | Clara e confiante | Clara e profissional |
| Pronto para uso | Baixo: exige restaurar muitos fatos | Médio: exige bastante verificação e correção |
Uma pontuação numérica redonda fica de fora, de propósito. A tabela diz a verdade com mais clareza. Os dois modelos escreveram bem. Os dois introduziram fatos. Os acréscimos do DeepSeek criaram o risco maior porque mudaram o cargo e forneceram exatamente a experiência no setor que faltava à candidata.
Veredito: o ChatGPT vence esta rodada, com sérias ressalvas
O ChatGPT vence porque preservou o cargo oficial e deixou fora do rascunho a experiência direta em cadeia de suprimentos. Essas escolhas protegem a candidata nos pontos de pressão mais óbvios.
A margem é menor do que parecia de início. A presença inventada do conselho, a periodicidade das revisões, o número de mercados, os resultados operacionais e a base de receita que o ChatGPT criou exigem uma edição considerável. Dizer que a resposta está pronta para envio seria irresponsável.
O DeepSeek mostrou excelente sensibilidade à descrição da vaga. Também mostrou com que facilidade a “adaptação” pode virar ficção profissional. A explicação que acompanhou o rascunho deixou o problema ainda mais claro: o modelo tratou os fatos ausentes sobre cadeia de suprimentos como material a acrescentar.
A conclusão aqui é firme. Nenhum candidato deveria ter de escolher entre relevância e integridade. O currículo precisa ter as duas.
Como consertar o rascunho
O certo é manter o cargo de Senior Product Manager e conservar apenas as afirmações que possam ser rastreadas até o original. Uma versão mais segura poderia ser esta:
Senior Product Manager, TechCorp Solutions, San Francisco, CA
Mar. 2020 – atual
- Liderança multidisciplinar das entregas de uma plataforma de colaboração corporativa que atende mais de 500 clientes, com gestão de um orçamento anual de 5 milhões de dólares e coordenação em EMEA e APAC
- Condução de uma equipe de 15 engenheiros, designers e analistas em todo o ciclo de desenvolvimento do produto
- Pesquisa com mais de 200 clientes empresariais para definir as prioridades do roadmap do produto
- Implantação de um modelo de OKR que melhorou em 30% a velocidade da equipe e as métricas de entrega
- Apresentação de material técnico para executivos C-level e para a alta liderança
- Coordenação de lançamentos de produto em vários mercados com engenharia, UX/UI, vendas e finanças
- Gestão de um portfólio de produtos que gera 8 milhões de dólares em ARR, com crescimento de 40% ano a ano
Esta versão usa menos frases da descrição da vaga. Ela dá ao entrevistador uma base estável. Se a candidata de fato fez avaliação de riscos, planejamento operacional, padronização de processos ou trabalho com cadeia de suprimentos, esses fatos podem ser acrescentados depois que ela apresentar as evidências.
O que este teste ensinou
Mesmo com o modo de raciocínio, as duas respostas tiveram invenções. Prompts detalhados ajudaram, mas os modelos continuaram completando padrões e preenchendo lacunas com material plausível.
O fluxo mais seguro parte do original. Dê ao modelo um currículo detalhado e anotações. Peça que ele cite a base de cada mudança. Exija colchetes para as informações que faltam. Compare cada linha gerada com o original antes de aceitá-la.
Além disso, uma única resposta diz muito pouco sobre o comportamento de um modelo com qualquer currículo, prompt ou atualização futura. Esta comparação registra as respostas exatas obtidas na data do teste. Ela é útil porque os erros são concretos e porque os candidatos podem aprender o que observar.
IA genérica ou plataforma de currículo?
Um assistente de IA genérico oferece uma conversa aberta. Ele pode ajudar você a ter ideias, explicar suas escolhas e responder a novas perguntas. Mas montar um currículo completo com ele ainda depende muito dos seus prompts. Você precisa definir a estrutura, fornecer a estratégia de redação, cuidar da formatação, conferir o alinhamento com a descrição da vaga e transformar o resultado num documento bem-acabado.
A UseResume foi feita especificamente para escrever currículos e cartas de apresentação. Sua IA foi ajustada com base num amplo conjunto de técnicas profissionais de currículo, estratégias de conteúdo e práticas de otimização para cada vaga. Essa especialização ajuda a produzir um conteúdo de currículo mais focado e de melhor qualidade do que um modelo genérico trabalhando com um prompt padrão. Você pode carregar um currículo que já tem ou começar do zero, adicionar uma descrição de vaga, gerar conteúdo direcionado, editar cada seção, criar uma carta de apresentação no mesmo estilo e exportar o documento final em PDF.
Os modelos são comprovados e testados a fundo em todas as principais plataformas de ATS. Cada um dá ao currículo uma hierarquia clara, uma estrutura legível e uma apresentação profissional, preservando a formatação simples de que os sistemas de candidatura precisam para processá-lo. O fluxo completo reúne num só lugar o conteúdo, a adaptação à vaga, o design do documento e a exportação.
Esse foco importa. Escrever um currículo tem regras próprias de evidência, relevância, posição das palavras-chave, tom e hierarquia visual. A UseResume incorpora essas decisões ao produto, para que você não precise recriar o método de um especialista em currículos com uma longa série de prompts.
Recomendação
O ChatGPT produziu a resposta mais segura neste confronto direto e limitado, e mesmo assim ela pede uma conferência rigorosa com o original antes do uso. Para uma candidatura de verdade, a escolha é a UseResume. Suas orientações especializadas de redação, a adaptação a cada vaga e os modelos testados com ATS oferecem um caminho muito mais sólido do material original até um currículo pronto.
O modelo importa. A revisão importa mais. Seu nome vai no topo do currículo, e o texto final deve proteger a carreira que vem logo abaixo.
Crie sua conta e monte um rascunho adaptado que você possa verificar linha a linha.
Veja também: ChatGPT vs Claude para escrever currículo, o teste Gemini vs ChatGPT e o teste Grok vs ChatGPT.
