É esse comentário mesmo, obrigado por achar. Fiquei com vontade de saber quantas outras pessoas chegaram no livro pelo mesmo caminho, e não tenho como medir isso.

Sobre quantidade e qualidade, você está certo e essa é a limitação que mais me incomoda no que eu fiz. Eu meço o que foi publicado, votado e comentado. Não meço se prestava.

Mas tem um número meu que apoia em parte a sua hipótese. Olhando os 117 mil comentários por faixa de tamanho:

Comentário longo rende três vezes mais que comentário curto, e a relação é monotônica, sem uma exceção sequer. Isso é exatamente o que você descreveu.

Só que o dado sozinho não decide entre as duas explicações. Pode ser que as pessoas premiem tamanho sem ler, como você diz, ou pode ser que comentário longo seja em média melhor mesmo. As duas hipóteses produzem a mesma curva, e eu não consigo separá-las com o que tenho.

Sobre a sua objeção de que a análise de qualidade não seria confiável, concordo com o diagnóstico e discordo da conclusão.

Você está certo de que não existe juiz neutro aqui. IA carrega o viés do modelo, humano carrega o próprio. O que dá para fazer não é eliminar o viés, é deixá-lo inspecionável. Uma coisa é dizer "confie em mim, 70% é lero-lero". Outra é publicar o critério antes de rodar, publicar cada classificação individual, e publicar quanto o classificador discordou de mim numa amostra que eu revisei na mão.

Pensei em fazer assim, e vou tentar (caso encontre tempo na minha rotina maluca haha):

1. Escrever o critério primeiro, com exemplos de cada categoria, e publicar antes de rodar em cima do acervo
2. Classificar com um modelo mais forte que os que eu vinha usando, provavelmente o Claude Fable da Anthropic
3. Revisar manualmente uma amostra aleatória, sem ver o que o modelo respondeu, e medir a taxa de concordância
4. Publicar o conjunto classificado inteiro, para quem discordar poder conferir comentário por comentário

Se a concordância entre mim e o modelo for baixa, isso é o resultado: significa que "lero-lero" não é uma categoria estável o suficiente para medir, e aí você estava certo desde o começo. Se for alta, o número passa a valer alguma coisa, ainda que com a ressalva de que dois juízes concordarem não os torna corretos.

De qualquer forma o resultado é publicável. Método que dá errado de forma verificável ainda é melhor que impressão.

Uma coisa que me interessa mais que o percentual é que você apostou que a maioria seria classificada como lero-lero. Se eu rodar isso, sua aposta vira uma previsão registrada antes do teste, o que é bem mais honesto que analisar depois e concluir o que a gente já achava.

Voltei, como prometi de madrugada. Vou repetir a tabela corrigida aqui para ela ficar junto do resto, e depois pego cada ponto que você levantou.

Refazendo com a mesma janela para todas as safras, contando só quem já teve aquele tempo disponível:

A queda existe, mas ela é de 2022 para 2023 e acaba ali. Depois disso a linha para, e na janela de um ano a safra de 2024 até retém mais que a de 2023.

Ou seja, não foram quatro anos de queda. Foi um degrau entre a safra fundadora e todo mundo que veio depois, e desde então está parado.

E isso derruba a explicação que eu tinha dado no post. O site não encolheu porque quem chega gruda menos. Ele encolheu porque chega menos gente:

Repare no último número. A chegada de gente nova subiu 28% este ano, e o volume de publicação também está acima de 2025. São dois indicadores apontando para cima pela primeira vez desde 2023.

Reescrevi a seção 2 com sua correção e coloquei uma nota de edição com seu nome. Achei que apagar o erro seria pior que deixar ele visível junto da conta certa.

Sobre a turma de novembro de 2022, fui atrás. Foram 1.292 pessoas estreando naquele mês, e o que sobrou delas é isto:

Quarenta e seis pessoas. De mil e trezentas. O vídeo trouxe uma multidão e restaram quarenta e seis.

Sua ideia da curva de sobrevivência foi a melhor coisa que saiu daqui, e o resultado contraria o que você imaginou. Peguei só a safra de 2022, que já foi observada por quatro anos inteiros e não sofre do problema de janela:

Não tem precipício no começo. A chance de dobrar fica em torno de 45% do primeiro post até o oitavo, quase constante, o que é bem a cara de um decaimento geométrico simples.

Você apostou que quem passa de 16 dificilmente para. É o contrário: o único degrau visível está justo aí, de 16 para 32, onde cai para 29,5%. Com 88 pessoas na base eu não bato o martelo, mas se existe um ponto de desgaste, ele fica antes do que você chutou e não depois.

E sim, "posts" ali é só publicação, não inclui comentário. Isso foi um buraco meu que o @Oletros também apontou. São 9.915 pessoas que só comentam e nunca publicaram, 60% de quem comenta, e elas somam 24% de todos os tabcoins distribuídos em comentário. Cada vez que eu escrevi "autores" no post, essa gente ficou de fora.

Sobre os comentários mais divididos, você tinha razão de suspeitar que rendem mais que os posts:

O terceiro da lista é seu, no post do @jeffz sobre economizar 20 horas com um script, em agosto de 2024. Doze a favor e doze contra num comentário que elogia o cara e depois lista três ressalvas. Perguntar sobre comentários divididos e aparecer na lista foi engraçado demais haha.

Duas coisas do conjunto: só 5,4% dos comentários levam ao menos um voto contra, e só 1,15% levam três ou mais. Divisão é raríssima aqui, e quando acontece é quase sempre sobre linguagem de programação ou sobre IA.

Sua pergunta sobre a primeira experiência foi a que mais me surpreendeu. Rodei com janela fixa de 90 dias, e separando as duas coisas que você citou:

Tabcoin move a agulha, de 15,7% para 36,6%. Comentário quase não move, de 29,4% para 32,3%, e receber exatamente um comentário fica até abaixo de não receber nenhum.

Eu esperava o contrário. Achava que conversa segurava mais que voto.

E tem um resultado que eu ainda não sei explicar. Olhando só quem estreou enterrado, quem recebeu comentário volta menos que quem não recebeu: 13,7% contra 21,0%. Meu palpite é que comentário em post enterrado costuma ser alguém explicando por que aquilo está errado, e levar downvote calado dói menos que levar downvote com plateia. São 157 pessoas de um lado e 415 do outro, então é fraco para afirmar, mas é o tipo de coisa que eu não teria procurado.

Sobre a sua última pergunta, a dos indícios comportamentais, eu fui rodar porque achei a ideia boa. E ela não acende:

Três ou mais textos longos do mesmo autor no mesmo dia responde por 0,9% das publicações de 2026, menos que os 1,7% de 2022, quando ninguém tinha ChatGPT. Aquele 22,6% de 2022 é a bagunça do lançamento, gente publicando teste em sequência.

Então o sinal que você propôs existe e é fácil de medir, mas ele não separa o que a gente quer. Quem usa IA para escrever aqui publica no mesmo ritmo de todo mundo, um post de cada vez. Faz sentido, porque o gargalo nunca foi escrever, foi ter o que dizer e ter vontade de postar.

O que talvez funcione melhor é o que você citou depois, similaridade estrutural entre textos consecutivos do mesmo autor. Isso não depende de ritmo e mede outra coisa. Não rodei porque ia precisar de embedding e o dia acabou.

E já que você puxou a meta camada e disse que era impossível de ignorar, prefiro falar direto em vez de deixar no ar.

Os dados eu fui buscar, e o coletor está aberto no repositório junto com o resto. A análise não foi minha. Tenho habilidade limitada com análise de dados, então usei IA para essa parte, o Fable 5 da Anthropic, verificando, corrigindo e questionando cada resultado antes de aceitar. Morreu bastante coisa errada nesse caminho, e o que passou você achou.

A escrita é minha, feita em cima dos números que saíram dessa apuração e com supervisão minha do começo ao fim.

Na sua lista de quatro categorias, isso é humano assistido. Achei melhor dizer do que deixar você adivinhar.

E repare no seu critério do tempo aplicado a este post aqui. Da primeira requisição na API até publicar foram quatro dias quase inteiramente dedicados a isso, de sexta 31 até segunda 3. Um post só, nenhuma rajada, nada que acendesse o seu alarme. E teve IA no meio do caminho do mesmo jeito.

É por isso que eu acho que o sinal de rajada não vai te levar aonde você quer. Ele pega automação, que é gente despejando volume. Não pega assistência, porque assistência também custa caro em tempo.

O acervo está aberto se você quiser rodar a similaridade:

https://github.com/im-fernando/tabnews-analise/releases/tag/acervo-2026-07-31

São 72 MB comprimido e 230 MB abertos, em NDJSON, com o corpo completo dos posts, as árvores de comentário e os órfãos das publicações apagadas. No post eu tinha escrito que subia se alguém pedisse, aí o @Oletros pediu, então nessa edição o link entrou no texto e agora está à mão de qualquer um. Desenterra os NLP dos anos 70 sem dó haha.

E valeeeu de novo pela correção. Post que sai errado e é consertado no comentário é bem melhor que post que sai errado e ninguém percebe. Um abraço!

Você achou um erro de verdade, e eu vim avisar enquanto corrijo tudo.

A ressalva da janela está certíssima. Refiz com a mesma janela para todas as safras, contando só quem já teve aquele tempo disponível, e a queda quase some. Na janela de um ano dá 43,0% para a safra de 2022 e depois 36,1%, 37,5% e 34,8% para 2023, 2024 e 2025. Não tem tendência nenhuma ali, e 2024 até retém mais que 2023.

Aquele "caiu pela metade" era artefato de janela mesmo. Já refiz o post, o gráfico e o painel, e publico a edição de manhã com o crédito para você.

O resto do seu comentário rendeu muita coisa e eu consegui medir quase tudo: a curva de sobrevivência que você sugeriu, o que sobrou da turma de novembro de 2022, os comentários mais divididos do acervo e a sua ideia de usar rajada de publicação como indício. Volto com tudo isso daqui a pouco haha.

Valeeeu demais pela leitura atenta.

Testei sua hipótese e ela se sustenta. Muito obrigado pela sugestão haha.

Peguei todos os 8.352 autores que já publicaram, olhei como foi a estreia de cada um, e cruzei com quem voltou para um segundo post:

Quem estreia com o post enterrado volta a 15,7%. Quem estreia bem volta a 50,3%. É três vezes menos.

Repare na linha do meio, que para mim é a mais reveladora. Quem publicou e ninguém votou volta a 37,1%, mais que o dobro de quem levou downvote. Os dois grupos não receberam nenhum incentivo positivo. A única diferença entre eles é alguém ter aparecido para votar contra.

Antes de acreditar nisso eu fui atrás de um furo óbvio: tempo. Quem estreou em 2026 teve menos meses para publicar de novo, então se as estreias enterradas estivessem concentradas nos anos recentes, a taxa baixa seria calendário e não enterro.

Não é o caso. Separando por safra, o efeito aparece em todas:

A distância varia bastante, de 1,8 vez em 2022 até quase 6 vezes em 2024, mas nunca inverte.

Aproveitando que fui olhar por ano, apareceu uma coisa que talvez te interesse mais que o resto: a fatia de estreias enterradas quase dobrou em 2026, de 5,7% no ano passado para 12,1% neste. Uma em cada oito pessoas que publicam pela primeira vez hoje tem o primeiro post afundado.

Isso não fecha causalidade, e eu não vou fingir que fecha. Pode ser que post ruim seja enterrado e que quem escreve post ruim tenda a desistir de qualquer jeito, sem o enterro ter papel nenhum. Não consigo separar as duas coisas com o que tenho.

Mas o contraste entre "ninguém votou" e "levou downvote" enfraquece bastante essa explicação alternativa. Se fosse só qualidade, o grupo que ninguém votou deveria estar mais perto dos 15,7%, porque ali também tem muito post fraco que ninguém se deu o trabalho de avaliar.

Sobre a mecânica, você está certo no efeito e eu discordo do mecanismo.

O efeito é real: publicação nasce com 1 tabcoin, e dois votos contra levam para -1. Rodando a fórmula de getContentScore em models/content.js com as constantes do arquivo, uma publicação nova com saldo zero já pontua abaixo de qualquer uma com saldo positivo. Some do radar mesmo.

Mas conta múltipla é justamente o caminho mais caro, não o mais fácil. Em models/balance.js, na função rateContent, votar custa 2 tabcoins de quem vota:

const tabCoinsToDebitFromUser = -2;
const tabCashToCreditToUser = 1;

E conta nova nasce zerada. Fui medir quanto saldo as pessoas têm: 42% das contas não conseguem dar nem um voto, e 60% não conseguem dar três. Uma conta criada para atacar precisa antes publicar conteúdo que a comunidade aprove, para só então poder votar contra alguém.

Quem consegue fazer isso com folga é membro estabelecido. Entre quem já publicou cinco vezes ou mais, a mediana é de 92 tabcoins, o que dá para enterrar quinze publicações sozinho.

Acho isso pior que a sua versão, não melhor. Não é gente de fora com conta falsa, é gente de dentro com saldo acumulado.

Duas coisas que talvez te interessem, já que você parou de postar por causa disso:

Até 5 de junho deste ano a situação era pior. O commit 595fbd0, chamado "feat: restrict repeated tabcoins vote by user", trocou uma checagem que era só por IP por uma que checa IP e usuário. Antes dele, a mesma conta podia votar quantas vezes quisesse trocando de rede.

E existe discussão aberta sobre isso: a issue #1976 e o PR #1977, parado em rascunho esperando consenso desde novembro. Levei esses números para lá, porque a discussão estava travada em hipótese e faltava tamanho.

Se você quiser voltar a postar assunto denso, o número que talvez ajude: das 1.836 publicações que saíram de relevância no acervo inteiro, 69% levaram no máximo três votos contra. É pouco voto para muito estrago, e é exatamente o que você descreveu.

Valeeeu Filipe! Boa ideia, e fui atrás dela agora.

Os patrocinados não estavam no meu acervo, porque a listagem /contents filtra type: 'content' e anúncio tem tipo próprio. Mas o endpoint /api/v1/sponsored-beta é público, então dava para pegar.

Só que ele devolve seleção aleatória em vez de listagem paginada. Fui chamando repetidamente e juntando os ids únicos até parar de aparecer coisa nova, o que aconteceu por volta da décima oitava rodada. O conjunto inteiro hoje é este:

• 120 publicações patrocinadas
• 79 anunciantes distintos

Dá para ver bem para que o recurso está servindo olhando quem usa. O @JuanMathewsRebelloSantos anuncia treinamento e voucher de certificação, e é quem mais usa, com 14. O @filipedeschamps divulga os próprios vídeos e o repositório do algoritmo do fogo do Doom, com 8. O @JeielMiranda leva o RegataOS, distro brasileira, e uma plataforma de threat intelligence. O @gmasson tem um gerador de favicon gratuito. O @LuC45m4Th3u5 tem uma API de recomendação. O @obrenoalvim, um projeto de memória para IA no GitHub.

Ou seja, não é um espaço de propaganda genérica. É gente da casa mostrando o que faz.

E isso me leva ao achado que eu não esperava: todos os 79 anunciantes também publicam post normal aqui. Nenhum é anunciante puro que chegou de fora só para comprar espaço.

E eles não são membros quaisquer. A média de tabcoins por post desse grupo é 8,04, contra 4,63 do site. Quem anuncia é gente que já contribui acima da média.

Os destinos mais comuns são github.com, youtube.com e linkedin.com, com cinco anúncios apontando de volta para o próprio TabNews.

Agora sobre a sua observação de que faltam funcionalidades básicas. Pelo endpoint, dá para saber o que está sendo anunciado e por quem, e nada além disso: ele devolve seis campos, sem data, sem valor, sem período, sem desempenho.

Mas antes de sugerir o que implementar eu fui olhar o repositório, e a história é mais interessante do que "falta tudo". Boa parte já está construída, só não conversa entre si.

O orçamento existe. A migration 1721243449839_create-table-ad-tabcash-operations.js cria a tabela ad_tabcash_operations com o enum ['budget', 'daily_debit']. Então o sistema já sabe quanto TabCash cada anúncio recebeu e quanto foi debitado por dia, o que dá custo e tempo no ar.

A audiência também existe. O models/umami.js já busca pageviews, visitors e visits por caminho, e o models/analytics.js expõe isso internamente como getStatsByPath.

O que realmente não existe em lugar nenhum é o clique no anúncio. E impressão do anúncio também não, porque anúncio exibido na lateral de outra página não gera visita própria, então o Umami não pega.

Então a lista do que falta fica bem mais curta do que parecia: contar clique, contar impressão, e devolver isso junto com o gasto para quem pagou. Os dois últimos pedaços já estão em casa.

Uma coisa que me chamou atenção no modelo de cobrança: sendo daily_debit, você paga por dia no ar, e não por quem viu. Isso torna a falta de retorno mais custosa ainda, porque o anunciante não consegue nem estimar se o dia valeu. Provavelmente é parte da explicação para a concentração: 79 anunciantes para 120 anúncios significa que a maioria fez um e parou.

Obrigado pela sugestão, foi a que mais rendeu coisa nova até agora.

Valeeeu, Oletros! E seu comentário levanta o ponto que mais me incomodou enquanto eu fazia isso.

Você está certo, eu só tenho uma ponta. Consigo medir o que foi publicado, votado e comentado, mas não faço ideia do que foi lido. Um post com zero voto e zero comentário pode ter sido lido por quinhentas pessoas que acharam bom e seguiram em frente. Na minha planilha ele aparece igualzinho a um post que ninguém abriu.

Isso limita bastante as conclusões. Quando eu digo que 27% dos posts nunca recebem um comentário, o que estou medindo de verdade é silêncio de participação, não ausência de leitura. São coisas diferentes e eu não consigo separar.

Sobre resgatar conteúdo antigo, seus dados batem com os meus. Fui olhar os autores que você citou:

Os dois rendem três a quatro vezes a média do site, escrevendo textos duas a três vezes maiores. É a mesma relação que apareceu no post: cada faixa de tamanho paga mais que a anterior, e acima de 2 mil palavras a média chega a 10,80 tabcoins.

O que reforça seu argumento: esse tipo de conteúdo é o que menos envelhece e o que mais se perde no feed cronológico.

Inclusive eu construí exatamente o que você descreve e não publiquei ainda. É uma segunda página do painel que separa por assunto (C, Python, SQL, Git, Linux, segurança, carreira) os posts do acervo que ensinam alguma coisa, ordenados por relevância e não por data. Segurei porque achei que merece post próprio em vez de virar rodapé. Se te interessar como referência para o tabrank, te mando o código e a lógica de filtragem, que é a parte chata.

Gostei da ideia de mandar o clique de volta para cá em vez de canibalizar. E a parte de virar PR se algum formato funcionar é o caminho certo, até porque o CONTRIBUTING do repositório pede exatamente isso: expor o problema antes de propor a solução.

Sobre o acervo, claro. São 231 MB em NDJSON, uns 73 MB compactado, divididos em posts com corpo completo, árvores de comentários, perfis de autor e os comentários órfãos de publicações apagadas. Vou subir como release no repositório onde já estão os gráficos e coloco o link aqui.

Um aviso sobre os órfãos, porque me custou tempo: comentário apagado vem na árvore como nó vazio, sem autor e sem texto, só para as respostas abaixo continuarem alcançáveis. São 2.358 deles. Se contar sem filtrar, seu total infla 2%.

Nossa excelente trabalho! Muito legal essas visões baseadas em dados. Fico contente de ver que a comunidade consegue manter uma média de posts ao longo do tempo mesmo com a IA, ainda que bem abaixo do pico.

Muito obrigado pelo elogio haha. Foi o https://www.tabnews.com.br/Silva97/a8a7ddfd-64ca-4103-a881-4ce9f8192726