MoreSEOОб авторе

Проверка текста на ИИ: как работают детекторы и что об их точности говорят исследования

Как детекторы нейросетевых текстов выносят вердикт, сколько ошибаются по данным исследований и почему процент «ИИ» нельзя считать доказательством.

Обновлено 14 ноября 2026
11 мин. чтения
Лист текста под лупой и стрелка весов, которая колеблется между человеком и машиной ?%

Детектор нейросетевого текста не находит «следы ChatGPT». Он считает, насколько текст похож на то, что обычно пишут языковые модели, и выдаёт вероятность. Поэтому результат «87% ИИ» означает «по статистике сервиса текст похож на машинный», а не «текст написала нейросеть». Исследования показывают два системных сбоя. Первый: детекторы обвиняют людей, особенно тех, кто пишет просто и шаблонно. Второй: они пропускают сгенерированный текст, если его перефразировать. Даже сама OpenAI закрыла свой классификатор в 2023 году из-за низкой точности, а компания «Антиплагиат» прямо пишет в памятке, что доказать машинное авторство с вероятностью 100% невозможно.

Коротко

  • Классификатор OpenAI находил 26% текстов, написанных ИИ, и при этом в 9% случаев помечал как машинные тексты людей. 20 июля 2023 года его отключили.
  • В исследовании Liang и соавторов (2023) 7 детекторов ошибочно признали машинными в среднем 61,22% эссе, которые написали люди, для которых английский не родной.
  • Перефразирование моделью DIPPER снизило долю распознанных текстов у DetectGPT с 70,3% до 4,6% при 1% ложных срабатываний.
  • Сбер ограничивает демо GigaCheck текстами от 20 до 1 000 слов, «Антиплагиат» распознаёт сгенерированный текст в документах от 2 листов (страницы сервисов, 14.11.2026).
  • У Яндекса нет публичного детектора. В справке Вебмастера оценивается не способ создания, а польза: текст, похожий на автоматически сгенерированный, относят к признакам малополезного контента.

Как детектор решает, что текст написал не человек

Почти все сервисы работают одним из трёх способов: классификатор, обученный на текстах людей и нейросетей; статистическая оценка предсказуемости слов; поиск водяного знака, который модель встроила при генерации. Первые два способа угадывают по стилю, третий работает только с текстами конкретной модели.

Классификатор. Нейросеть обучают на двух корпусах: тексты людей и тексты моделей. Она учится различать их по множеству признаков и на новом тексте выдаёт вероятность принадлежности к одному из классов. Слабое место: классификатор хорошо работает на текстах, похожих на обучающие, и хуже на новых моделях, темах и стилях. Об этом прямо писала OpenAI, когда описывала свой инструмент.

Статистика предсказуемости. Языковая модель для каждого слова знает, насколько оно ожидаемо в этом месте. Тексты нейросетей обычно состоят из очень ожидаемых слов, у людей выбор разнообразнее. Детектор считает эту «предсказуемость» (в исследованиях её называют перплексией) и делает вывод. Проблема в том, что простой, правильный, шаблонный текст человека тоже предсказуем.

Водяной знак. Google DeepMind описал в журнале Nature в 2024 году технологию SynthID Text: модель при генерации слегка смещает выбор слов по секретному ключу, а детектор с тем же ключом этот сдвиг находит. Google встроил её в Gemini и выложил открытый код. Ограничение принципиальное: так проверяется только текст модели, которая ставила знак, и только тем, у кого есть ключ.

Как детектор приходит к вердиктуЧетыре шага: текст, признаки стиля, вероятность, порог и ярлык. Под шагами три точки ошибок: короткий текст, перефразирование, простой стиль человека Вердикт детектора: вероятность, обрезанная порогом 1. Текст фрагмент или документ целиком 2. Признаки предсказуемость слов, ритм фраз 3. Вероятность «похоже на ИИ на 0,87» 4. Порог выше порога: ярлык «ИИ» Короткий текст мало признаков, вердикт случаен Перефразирование отпечаток модели стёрт, ИИ пропущен Простой стиль текст человека помечен как ИИ Красные стрелки: где возникают ошибки, найденные в исследованиях
Как детектор приходит к вердикту: текст разбивается на признаки, модель считает вероятность, порог превращает её в ярлык «человек» или «ИИ», и в трёх местах возникают ошибки

Схема 1. Вердикт детектора это вероятность, обрезанная порогом. Ошибки возникают на коротких текстах, на простом стиле и после перефразирования.

Как языковая модель выбирает следующее слово и почему её тексты статистически «гладкие», объясняем в статье что такое LLM.

Что показали исследования точности

Независимые проверки 2023–2024 годов сходятся: детекторы ненадёжны в обе стороны. Они пропускают часть сгенерированных текстов, особенно после правки, и ошибочно обвиняют людей. Высокие проценты точности в рекламе сервисов получены на их собственных тестах.
ИсследованиеЧто проверялиРезультатЧто это значит для вас
OpenAI, классификатор, январь 2023Собственный детектор на английских текстахНашёл 26% ИИ-текстов, 9% текстов людей пометил как машинные. Отключён 20 июля 2023 годаДаже создатель модели не смог надёжно распознать её тексты
Liang и др., журнал Patterns, 20237 детекторов на 91 эссе экзамена TOEFL, написанных людьмиВ среднем 61,22% эссе признаны машинными. 89 из 91 эссе (97,8%) пометил хотя бы один детекторПростой, «учебный» стиль человека детектор принимает за нейросеть
Weber-Wulff и др., International Journal for Educational Integrity, 202312 публичных инструментов и 2 коммерческие системы, включая TurnitinВывод авторов: инструменты «ни точны, ни надёжны», правка и обфускация текста заметно ухудшают результатЧуть отредактированный машинный текст часто проходит как человеческий
Krishna и др., NeurIPS 2023Перефразирование сгенерированного текста моделью DIPPERDetectGPT распознавал 70,3% текстов до перефразирования и 4,6% после (при 1% ложных срабатываний)Один прогон через перефразировщик почти обнуляет детектор
Dugan и др., бенчмарк RAID, ACL 2024Более 6 млн текстов 11 моделей, 12 детекторов, 11 видов атакДетекторы легко обмануть атаками, сменой настроек генерации и незнакомыми моделямиТочность из рекламы не переносится на ваши тексты

Важная оговорка: исследования вышли в 2023–2024 годах, детекторы с тех пор обновлялись. Но и модели обновлялись. Независимого исследования, которое показало бы надёжную работу детекторов на русском языке, мы на 14.11.2026 не нашли.

Заявления самих разработчиков стоит читать внимательно. Turnitin в июне 2023 года писал о доле ложных срабатываний меньше 1% на уровне документа, но только для документов, где ИИ-текста от 20%, а на уровне отдельных предложений около 4%. То есть каждое 25-е подсвеченное предложение может принадлежать человеку.

Почему детектор ошибается на текстах людей

Детектор считает машинным то, что предсказуемо. Предсказуемо пишут не только нейросети, но и люди: студенты по шаблону, авторы на неродном языке, юристы, авторы инструкций и карточек товаров. Чем короче и стандартнее текст, тем выше риск ложного обвинения.

В исследовании Liang и соавторов есть показательный эксперимент. Когда эссе неносителей языка переписали более богатой лексикой, средняя доля ложных срабатываний упала с 61,22% до 11,77%. Текст не стал «более человеческим», он стал менее предсказуемым. Детектор оценивает стиль, а не авторство.

Типичные тексты, которые рискуют получить ярлык «ИИ»:

  • Справочные определения и инструкции. «Нажмите кнопку, выберите пункт, сохраните» пишется одинаково у всех.
  • Канцелярит и юридические формулировки. Устойчивые обороты статистически ожидаемы.
  • Короткие фрагменты. OpenAI предупреждала, что её классификатор ненадёжен на текстах короче 1 000 знаков.

Почему перефразирование ломает детекторы

Детектор ищет статистический отпечаток модели. Перефразирование меняет порядок и выбор слов, и отпечаток стирается, а смысл остаётся. Поэтому отредактированный человеком или прогнанный через другую модель текст детекторы распознают гораздо хуже исходного.

У исследователей это называют атакой перефразированием. В работе Krishna и соавторов падение с 70,3% до 4,6% получено одним прогоном через модель DIPPER. Как защиту авторы предложили не детектор, а поиск по базе: если разработчик модели хранит всё, что она сгенерировала, перефразированный текст можно найти по смыслу. Их прототип нашёл от 80% до 97% перефразированных текстов. Публичные сервисы проверки так не работают: доступа к истории генераций ChatGPT или GigaChat у них нет.

Отсюда практический вывод для редакции. «Обходить детектор» бессмысленно: ручная правка и так меняет вердикт, но качество текста от этого не растёт. Чем перефразирование отличается от осмысленного рерайта и как делать его без потери смысла, разобрано в статье как перефразировать текст.

Какие инструменты есть для русского языка

Для русского языка чаще всего используют GigaCheck от Сбера и детектор в системе «Антиплагиат», а также международные сервисы с поддержкой русского. Ограничения по объёму и форматам у них разные, независимых замеров точности на русском мы не нашли.
ЧтоКогда подходитЧем платитеПочему важно
GigaCheck (Сбер), демо на сайте и бот в TelegramБыстро проверить фрагмент на русском от 20 до 1 000 словВердикт по преобладающему типу текста: какие фрагменты машинные, демо не показывает (страница сервиса, 14.11.2026)Один вердикт на весь текст бесполезен для смешанного авторства
Детектор в «Антиплагиате»Курсовые, дипломы, статьи в журналы, где проверку требует вузРаботает с файлами PDF и DOCX от 2 листов, на русском, английском и казахском. Ложное срабатывание компания допускает с вероятностью «не более 1%»В памятке сервиса сказано: доказать машинное авторство со 100% вероятностью нельзя
Водяной знак (SynthID Text)Проверка текстов конкретной модели её же владельцемНе работает для чужих моделей и без ключаЕдинственный подход, который проверяет источник, а не стиль
Ручная экспертная проверкаСтатьи для сайта, где важны факты и опытВремя редактора, который знает темуНаходит то, что вредит читателю: выдуманные факты, несуществующие ссылки, повторы

Если вы пишете с помощью GigaChat или других моделей из обзора нейросетей для текстов, учтите: высокий процент «ИИ» у черновика нормален. Важно, что вы с ним сделали дальше.

Видит ли Яндекс тексты нейросетей

Публичного детектора у Яндекса нет, и в справке Вебмастера он не оценивает способ создания текста как таковой. Яндекс оценивает пользу: текст, который выглядит автоматически сгенерированным и не несёт дополнительной ценности, относится к признакам малополезного контента.

В справке Яндекс Вебмастера о малополезном контенте среди признаков названы скопированный или переписанный с другого ресурса текст и текст, который выглядит как автоматически сгенерированный. Там же уточнено, что такой контент нередко создаётся нейросетями, машинным переводом или шаблонами и при этом может быть формально оригинальным. Похожая формулировка есть в рекомендациях о качестве: сайты с автоматически сгенерированным и бесполезным для пользователя контентом.

Значит, вопрос «пропустит ли Яндекс текст» нельзя решить детектором. Сервис оценивает стиль, поисковик оценивает, решает ли страница задачу. Как Google и Яндекс формулируют своё отношение к сгенерированным текстам, подробно разобрано в статье ИИ-тексты и SEO.

Как совмещать с проверкой уникальности

Это разные проверки. Уникальность показывает, есть ли в интернете совпадающие фрагменты. Детектор ИИ показывает, похож ли стиль на машинный. Сгенерированный текст обычно уникален, а скопированный текст человека детектор может признать человеческим.

«Антиплагиат» в памятке прямо предупреждает: процент оригинальности сгенерированного текста может быть высоким, потому что нейросеть не копирует существующие тексты. Поэтому две проверки не заменяют друг друга:

  • Уникальность нужна, чтобы не опубликовать чужой текст и найти случайные совпадения. Сервисы и чтение отчёта разобраны в статье проверка уникальности текста.
  • Детектор полезен как сигнал для редактора: где текст звучит слишком гладко и общо.
  • Ни одна из них не говорит, правдивы ли факты.

Порядок проверки, который работает

Начинайте не с детектора, а с фактов и пользы. Детектор ставьте последним шагом и используйте как подсказку, где текст стоит переписать, а не как приговор. Решение принимает человек, который знает тему.
  1. Факты. Сверьте каждую цифру, дату, название функции с первоисточником. Нейросети придумывают правдоподобные факты и ссылки, об этом пишет и «Антиплагиат» в памятке для проверяющих.
  2. Ссылки. Откройте каждую. Несуществующая ссылка или источник, который не говорит того, что ему приписано, это проблема, кто бы ни писал текст.
  3. Опыт и данные. Есть ли в тексте что-то, чего нет в топе выдачи: свой пример, расчёт, наблюдение. Как показать опыт автора, описано в статье про E-E-A-T.
  4. Повторы и вода. Одна мысль в трёх формулировках выдаёт и машинный текст, и слабого автора.
  5. Уникальность. Совпадения с чужими страницами.
  6. Детектор. Если он подсветил фрагменты, перечитайте их: обычно это общие фразы, которые можно заменить конкретикой. Как это делать, разбираем в статье про редактуру текста нейросетью.

Наши данные: что люди ищут по теме

Методика. Запросы темы из Яндекс Wordstat, Россия, 30 дней, срез 14.11.2026. Спрос темы равен сумме точных частот групп запросов.

Группа запросовСпрос, точн./месДоля темы
Проверить текст на ИИ или нейросеть (21 формулировка)16 81686,2%
Детекторы ИИ-текста2 04310,5%
Совместно с уникальностью и антиплагиатом4522,3%
Определяет ли Яндекс1921,0%
Всего19 503100%

Что из этого следует:

  • Проверку на ИИ ищут чаще, чем проверку уникальности. Спрос нашей темы про уникальность 8 132 в месяц, здесь 19 503: в 2,4 раза больше. Для многих заказчиков и преподавателей процент «ИИ» стал новым процентом уникальности, хотя надёжности у него меньше.
  • Людям нужен быстрый сервис, а не теория. Из 25 формулировок 6 содержат «бесплатно», 5 «онлайн». Слово «детектор» встречается в отдельной группе, у которой в 8 раз меньше спроса.
  • Слово «нейросеть» почти так же частотно, как «ИИ». Его содержат 8 формулировок из 25. Для заголовков и подсказок стоит использовать оба варианта.
  • Вопрос про Яндекс задают редко, 1% спроса темы. При этом именно он важен для владельцев сайтов: поисковик решает по пользе, а не по вердикту детектора.

Когда детектор не нужен

Детектор бесполезен, если вы сами писали текст с нейросетью и знаете об этом: он покажет известное. Он вреден, если результат используют как единственное доказательство против автора. И он не отвечает на вопрос, будет ли страница ранжироваться.
  • Свой текст с открытым использованием ИИ. Проверяйте факты и пользу, процент ничего не добавит.
  • Спор с автором или студентом. Один процент от одного сервиса не доказательство. Попросите черновики, историю правок, объяснение решений.
  • Короткие тексты и карточки товаров. Шаблонный стиль даст ложное срабатывание.
  • Прогноз позиций. Ни Google, ни Яндекс не называют вердикт детектора критерием качества: в их документации оценивается польза страницы.

Частые вопросы

Можно ли бесплатно проверить, написал ли текст ИИ?

Да, у многих сервисов есть бесплатный режим или демо с ограничением объёма. Например, демо GigaCheck принимает тексты от 20 до 1 000 слов (страница сервиса, 14.11.2026). Но бесплатный или платный, результат остаётся вероятностью, а не доказательством.

Насколько точны детекторы нейросетевого текста?

Независимые исследования 2023–2024 годов показали низкую надёжность: классификатор OpenAI находил 26% ИИ-текстов, семь детекторов в среднем ошибались на 61,22% эссе неносителей языка, а перефразирование снижало распознавание у DetectGPT с 70,3% до 4,6%.

Как проверить текст и на ИИ, и на уникальность?

Это две отдельные проверки разными сервисами. Уникальность ищет совпадения с опубликованными страницами, детектор оценивает стиль. Сгенерированный текст обычно уникален, поэтому высокая уникальность не говорит, кто его написал.

Проверяет ли Яндекс тексты на нейросеть?

Публичного детектора у Яндекса нет. В справке Вебмастера текст, который выглядит автоматически сгенерированным и не несёт ценности, относится к признакам малополезного контента. Оценивается польза, а не сам факт генерации.

Почему мой собственный текст показал высокий процент ИИ?

Детекторы считают машинным предсказуемый текст: простые фразы, стандартные обороты, учебная структура. Так пишут и люди. В исследовании Liang и соавторов более богатая лексика снизила ложные срабатывания с 61,22% до 11,77%.

Источники

Частный SEO-специалист. Пишу про поиск и нейропоиск, а цифры беру из Wordstat и первоисточников.

Читайте также

© MoreSEO, Алексей Демкин · все статьи