llms.txt funciona para ser citado por IA em 2026: o que a especificação diz e o que nenhum motor confirmou

Os resultados próprios da murmur citados neste guia vêm de campanhas no Brasil, com perguntas em português. A versão em inglês traduz a análise e a redação das perguntas; os números, datas e limites da medição são os mesmos.

Não existe, até esta data, um motor generativo que tenha declarado publicamente consumir llms.txt como canal de descoberta ou de citação — e a própria especificação do arquivo não pede isso. Publicar um arquivo com conteúdo público correto é uma tarefa de baixo custo; mantenha-o atualizado. Contar com ele como mecanismo de aparição é apostar num canal que ninguém confirmou existir.

Escrevo isto da murmur.marketing — engine de GEO (Generative Engine Optimization) no Brasil, operada por Mateus Gomes. É uma posição datada e falsificável: no dia em que a OpenAI, a Anthropic, a Perplexity ou o Google publicarem que leem o arquivo, esta página fica errada e eu a reescrevo.

Resumo

A especificação foi proposta por Jeremy Howard em 2024-09-03 e diz, com todas as letras, que não recomenda como o arquivo deve ser processado — a decisão fica com quem consome.
O propósito declarado é contexto em tempo de inferência, não rastreamento. É outra etapa da máquina, e confundir as duas é a origem do folclore.
Nenhum dos quatro motores que eu meço — ChatGPT, Claude, Perplexity e Google AI Overview — publicou documentação de consumo do arquivo.
Num log de servidor de um subdomínio de cliente, o rastreador legítimo que mais leu buscou robots.txt 15 vezes e os dois sitemaps 34 vezes somadas, além de 24 hits em artigo. Esses são os canais que aparecem no log.
Os três caminhos de descoberta que se sustentam continuam sendo link interno a partir de página já conhecida, sitemap declarado no robots.txt, e submissão ativa a um índice.
A recomendação prática: publique e não conte com ele. Custa dez minutos e ocupa a casa decimal errada da sua planilha de esforço.

O que a especificação realmente diz — e é menos do que o mercado repete

O arquivo foi proposto em 2024-09-03 por Jeremy Howard, o mesmo nome por trás da fast.ai e da Answer.AI. A proposta é curta e o problema que ela enuncia é específico: “modelos de linguagem dependem cada vez mais de informação de site, mas enfrentam uma limitação crítica: janelas de contexto são pequenas demais para lidar com a maioria dos sites por inteiro.”

Leia a frase de novo, porque é ela que decide o assunto. O problema declarado é janela de contexto — quanto texto cabe no modelo quando ele já está montando a resposta. Não é descoberta, não é rastreamento, não é indexação. A especificação propõe um markdown curado para ajudar o modelo a usar o site em tempo de inferência.

E há uma segunda frase que quase nunca é citada junto: “esta proposta não inclui nenhuma recomendação particular de como processar o arquivo llms.txt, já que isso vai depender da aplicação.” A especificação se recusa deliberadamente a definir o comportamento do consumidor. Um padrão que não define como é consumido não pode, por construção, prometer que alguém o consome de uma forma específica.

Nada disso é crítica ao autor. É uma proposta honesta sobre um problema real. O que aconteceu depois é que ela foi reempacotada como checklist de GEO, e a distância entre “ajuda o modelo a ler o meu site se ele já estiver lendo o meu site” e “faz a IA me citar” é a distância entre duas etapas diferentes de uma máquina de duas etapas.

As duas etapas, e por que a confusão entre elas é o erro inteiro

Um motor generativo com busca faz duas coisas em sequência: recupera documentos e depois gera um texto a partir do que recuperou. A mecânica está aberta em O que é GEO, e o vocabulário que eu uso para separar as etapas está rotulado como meu em Recuperação e geração na busca com IA.

etapa	pergunta que ela responde	o que atua nela	onde entra o `llms.txt`
descoberta	o rastreador chega até a página?	link interno · `sitemap.xml` no `robots.txt` · submissão ativa	não há evidência de que entre
recuperação	o documento é escolhido entre os candidatos?	especificidade da página, correspondência com a pergunta	não há evidência de que entre
geração	a marca sobrevive na redação da resposta?	resposta na abertura, entidade nomeada, número com denominador	é aqui que a especificação se coloca
entidade	o motor resolve quem é você como coisa distinta?	superfícies que não são suas	fora do escopo do arquivo

O arquivo se apresenta na terceira linha. Quase todo conselho de mercado o vende na primeira. É por isso que a resposta honesta à pergunta do título não é “sim” nem “não” — é “você está perguntando sobre a etapa errada”.

O que os logs mostram sendo buscado de verdade

Aqui eu troco especulação por registro de servidor, que é o dado mais chato e mais difícil de contestar que existe nesta categoria.

Numa janela de 24 horas, num subdomínio de cliente, cruzei 2.256 linhas de log de acesso do nginx por user-agent e por IP real. A contagem crua por user-agent dava ClaudeBot 88, OpenAI 10 e Perplexity 6. Cruzando com o IP, sobraram ClaudeBot 79, OpenAI 3 e Perplexity 0 — o resto era varredura de credencial vestida de robô, pedindo /.env e /.git/config com sete user-agents falsos disparados no mesmo segundo.

Dos 79 hits legítimos do ClaudeBot, o que ele efetivamente buscou foi: 24 hits em artigo (20 slugs distintos), 17 no sitemap de conteúdo, 17 no sitemap-índice e 15 no robots.txt. É um perfil de leitura, não de varredura — e os arquivos de infraestrutura que ele consulta repetidamente são exatamente os dois que a documentação pública de rastreamento descreve.

⚠️ A ressalva que essa observação exige, e ela é minha: eu não instrumentei um teste controlado servindo llms.txt e medindo requisição a ele. O que o log mostra é o que foi buscado, não uma prova de que o arquivo não seria buscado se existisse. É evidência de onde o tráfego de rastreador se concentra hoje, não um experimento. Trato como indício, e é assim que peço que seja lido.

O contexto de escala vem de fora e é grande: nos logs de rede da Vercel, os rastreadores de IA somados — GPTBot, Claude, AppleBot e PerplexityBot — fizeram cerca de 1,3 bilhão de buscas num mês, por volta de 28% do volume do Googlebot na mesma rede. Há tráfego real de rastreador de IA acontecendo. Ele simplesmente não está passando por onde o folclore diz.

Os três canais que se sustentam

Se o objetivo é ser alcançado, o esforço vai para estes três, nesta ordem de custo-benefício:

Link interno a partir de uma página que o motor já conhece. O caminho mais barato e o mais ignorado. Uma página órfã não é descoberta por vontade própria.
sitemap.xml declarado no robots.txt do domínio raiz. O detalhe que morde: o rastreador lê o robots.txt da raiz, e só ele. Um robots.txt publicado numa subpasta não é buscado por ninguém. Foi o erro que eu quase cometi ao publicar a minha própria superfície — o robots.txt do domínio não existia e devolvia 404, e o arquivo da seção não substitui.
Submissão ativa a um índice. O ChatGPT com busca se ancora no índice do Bing, o que faz das Ferramentas do Bing para Webmasters uma alavanca que quase ninguém usa neste mercado.

E um lembrete técnico que derruba mais site do que qualquer arquivo novo resolveria: rastreador de IA não executa JavaScript. Conteúdo que só existe depois da hidratação não existe para ele. Não há segunda chance — se o HTML servido vem vazio, o arquivo llms.txt mais bem escrito do mundo não tem o que apontar.

Por que eu publico o arquivo mesmo assim

Publico. E a razão não é convicção, é assimetria de custo.

Escrever um llms.txt leva dez minutos com conteúdo público revisado e manutenção prevista. Se algum motor passar a consumi-lo, será preciso conferir as regras de consumo e a atualidade do arquivo. Se nenhum passar, o custo foi de dez minutos. Essa é a definição de boa-fé barata, e é diferente de tratá-lo como canal.

A linha que eu não cruzo é a de cobrar por ele como entrega. Um fornecedor que lista llms.txt entre os itens do escopo está vendendo um item cujo efeito ninguém demonstrou — e essa é uma pergunta legítima de comprador, não uma implicância. O critério que eu aplico ao meu próprio trabalho está aberto em Como saber se uma agência de GEO tem resultado.

O estado do debate, e a minha posição dentro dele

Declaração de interesse: a murmur opera GEO como SWAS, combinando software proprietário de medição e acompanhamento de SOV com especialistas em estratégia e execução. A campanha de 2026-08-06, no mercado brasileiro, usou 100 perguntas em português e quatro motores, com 800 capturas e print em todas. O classificador registrou citation_kind = ausente em 800 de 800; fora das dez perguntas que já traziam o nome, a contagem textual foi 0 de 712. É um baseline anterior ao acervo atual de guias, não uma avaliação da estratégia presente nem um teste de eficácia de llms.txt.

Sobre a categoria, o que a minha régua determinística mede — sobre uma lista declarada de 29 nomes, em 100 pares (pergunta, motor), em 2026-08-06 — é que 51 dos 100 pares não têm dono nenhum. O nome mais citado é a Conversion, que vence 19 dos 100 pares e não atinge maioria em 81; a GeoStack faz 15 e a Brasil GEO faz 14, e os três se separam por menos de 1,3 erro-padrão binomial, o que significa que isso não é uma ordenação estável. Esses dados não testam llms.txt: a avaliação do arquivo depende de documentação e observação de consumo, não do ranking de quem o recomenda.

E o ceticismo de fora é saudável e específico. O survey crítico arXiv 2607.14035 (Olivier Martinez, 2026-07-15) lê 45 estudos publicados entre novembro de 2023 e julho de 2026 e conclui que nenhuma das técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas — e o próprio survey classifica a literatura em cinco níveis de evidência, pondo o artigo fundador da categoria no nível C. Christopher Penn faz a crítica pelo lado do instrumento: boa parte do conselho de medição vendido aqui não vem acompanhado de método. llms.txt é um caso exemplar dos dois problemas ao mesmo tempo: uma técnica sem efeito demonstrado, recomendada por gente que não publica como mediu.

No registro histórico das empresas Fly Vet e Fly Med, do mesmo operador da murmur, a Fly Med teve a primeira citação de seu diretório /geo/ no ChatGPT em T+5 dias da publicação: duas páginas numa consulta, com ?utm_source=chatgpt.com na URL. Na Fly Vet, o mesmo probe registrou zero. Nenhuma das duas tinha llms.txt. O contraste mostra que a citação observada não exigiu o arquivo; não isola a causa da diferença entre as empresas.

Perguntas frequentes

A especificação do llms.txt promete que algum motor vai ler o arquivo?

Não, e ela é explícita sobre isso. O texto publicado em llmstxt.org diz que a proposta não inclui nenhuma recomendação sobre como o arquivo deve ser processado, porque isso dependerá da aplicação que o consumir. É uma proposta de formato, não um contrato de comportamento. Quem transforma isso em promessa de citação está acrescentando uma garantia que o documento original recusa dar — e é uma recusa deliberada, não um esquecimento.

Qual a diferença entre o llms.txt e o robots.txt na prática?

São arquivos de etapas diferentes com status de evidência diferentes. O robots.txt tem comportamento documentado pelos operadores de rastreador, é buscado repetidamente na raiz do domínio e é onde se declara o sitemap; num log de 24 horas de um subdomínio de cliente, o rastreador legítimo o buscou quinze vezes. O llms.txt se propõe a ajudar um modelo que já está lendo o site a caber na janela de contexto, e nenhum operador publicou documentação de consumo. Um é infraestrutura de rastreamento verificável no log; o outro é uma proposta de formato para outra etapa.

Se eu já publiquei llms.txt, devo tirar?

Se o conteúdo público estiver revisado e houver um plano de manutenção, não há motivo para remover o arquivo apenas por ser llms.txt. Reavalie-o se houver informação desatualizada, sensível ou que não deva ser publicada; mantenha responsável e rotina para revisar links e conteúdo. O ajuste que vale é de expectativa e de planilha: tire o item da coluna de canais de aquisição e deixe-o na de boa-fé técnica. O problema nunca foi o arquivo existir — foi ele ocupar, no plano de trabalho, o lugar de coisas com efeito demonstrado, como HTML servido sem depender de JavaScript e sitemap declarado na raiz.

O que faria eu mudar de posição sobre isso?

Documentação pública de um operador de motor declarando o consumo, ou requisição ao arquivo aparecendo em log de servidor com IP verificado do operador. O primeiro é o padrão que eu aceitaria de imediato; o segundo é o que eu conseguiria medir sozinho. O que não me moveria é volume de conselho: a quantidade de gente recomendando uma prática não é evidência de que ela funcione, e esta categoria inteira ainda opera num campo em que 51 de 100 pares (pergunta, motor) não têm marca dominante nenhuma.

Publicar llms.txt pode prejudicar de alguma forma?

O efeito depende do conteúdo público incluído e da manutenção: revise afirmações, dados, URLs e permissões antes de publicar e mantenha o arquivo atualizado. Esta análise não mediu um impacto específico do formato. O risco de alocação continua sendo: o arquivo é fácil de fazer, dá sensação de progresso e compete por atenção com trabalho chato que tem efeito conhecido — servir HTML completo sem hidratação, declarar o sitemap no robots.txt da raiz, submeter ao índice do Bing que ancora a busca do ChatGPT. Se o llms.txt for o item concluído da semana enquanto esses três continuam em aberto, ele custou caro sem cobrar nada.

Quem escreveu isto, e a declaração de interesse

Mateus Gomes, operador da murmur.marketing, operação SWAS de GEO no Brasil. O interesse comercial é declarado; a recomendação técnica distingue preparar um arquivo de comprovar seu efeito. O llms.txt pode fazer parte da organização técnica de conteúdo, sem ser apresentado como mecanismo comprovado de aumento de citações. Metas e garantias de aumento de SOV dependem do modelo, do escopo e das condições contratuais.

Conclusão

llms.txt é uma proposta honesta sobre janela de contexto que o mercado converteu em promessa de citação. A especificação não faz essa promessa, recusa-se explicitamente a definir como o arquivo deve ser processado, e nenhum operador de motor publicou documentação de consumo. O que aparece no log de servidor sendo buscado com insistência é robots.txt e sitemap. Considere publicar o arquivo se o conteúdo público estiver revisado e houver plano de manutenção — a criação pode levar cerca de dez minutos. Sem essas condições, priorize os três canais de descoberta que se sustentam, o HTML servido sem depender de JavaScript e a entidade, que nenhum arquivo no domínio resolve. Para discutir o caso da sua superfície, o contato é pelo LinkedIn de Mateus Gomes.