Точен ли GPTZero? Вот что показывают данные

AI-детекторы текста, такие как GPTZero, ищут статистические отпечатки, а не «понимают» смысл написанного. Два ключевых сигнала — это перплексия (насколько предсказуемо каждое слово для эталонной языковой модели) и «взрывность» (burstiness) — то, насколько эта предсказуемость меняется от предложения к предложению. Идея в том, что текст человека обычно менее предсказуем и более неровный, тогда как необработанный машинный текст часто более гладкий и однородный.

GPTZero заявляет, что теперь сочетает эти классические сигналы с более крупной многокомпонентной моделью, обученной на разнообразных текстах, включая студенческие работы, и выдаёт оценки на уровне предложений и всего документа. Это важно для того, как вы читаете результат: детектор оценивает вероятность на основе паттернов письма, а не доказывает авторство. Поэтому «точность» сильно зависит от того, какой именно текст вы подаёте на проверку и где проведена граница между «похоже на AI» и «похоже на человека».

В контролируемых тестах GPTZero показывает хорошие результаты. Тесты производителя и независимые бенчмарки сообщают об обнаружении в диапазоне выше 90% на явно сгенерированных AI отрывках, с очень низкой долей ложных срабатываний на подобранных наборах данных. На таком чистом, очевидном AI-тексте это работоспособный инструмент.

Независимое тестирование на более «грязных», реальных текстах даёт более сдержанную картину. Обзоры за 2026 год сообщают о реальной точности, которая обычно находится в диапазоне от середины 80% до чуть выше 90%, а доля ложных срабатываний на подлинных текстах людей часто упоминается в районе 8-12% в зависимости от выборки. Эти цифры меняются в зависимости от набора данных и настроек, поэтому любой отдельный процент стоит воспринимать как приблизительный ориентир, а не гарантию. Честный итог: детектор силён на неразбавленном AI-тексте и заметно менее уверен во всём остальном.

Самая документированная слабость — это предвзятость против авторов, для которых английский не родной. Широко цитируемое исследование Стэнфорда (Liang et al., опубликовано в Patterns, 2023) прогнало семь GPT-детекторов через 91 эссе TOEFL, написанное носителями других языков, и 88 эссе американских студентов. Детекторы хорошо справились с эссе американских студентов, но ошибочно отнесли к AI больше половины эссе неносителей языка — средняя доля ложных срабатываний составила около 61%, при этом почти все эссе были отмечены хотя бы одним детектором, а примерно пятая часть — всеми протестированными детекторами.

Причина здесь механическая, а не злонамеренная. Паттерны, которые детекторы связывают с «машинным» письмом, — такие как более простая лексика, более предсказуемые формулировки и ограниченное использование идиом, — также являются естественными чертами письма на втором или третьем языке. Показательно, что то же исследование обнаружило: доля ложных срабатываний резко снижалась, когда те же эссе переписывались более витиеватым языком, — это показывает, что оценка отражает стиль, а не честность. Если вы пишете по-английски как на дополнительном языке, к единичной AI-пометке стоит относиться с настоящим скептицизмом.

Точность детектора падает, как только текст отходит от необработанного вывода модели. Независимое тестирование 2026 года показывает, что точность может снижаться примерно на 15-30 процентных пунктов на перефразированных или сильно отредактированных отрывках, а результаты на смешанных черновиках «человек + AI» особенно непоследовательны. Смешанный текст, где человек редактирует AI-черновик или AI шлифует черновик человека, — это как раз та серая зона, с которой детекторы справляются хуже всего.

Короткие тексты — ещё одно слабое место: когда для анализа доступно всего несколько предложений, сигнала попросту недостаточно для уверенного вывода, и растёт как число ложных срабатываний, так и число пропущенных случаев. Практический вывод в том, что GPTZero лучше всего работает на длинном, нетронутом AI-тексте и наименее надёжен на отредактированном, перефразированном, гибридном или коротком тексте — а именно таким и является большинство реальных документов.

Ни один из существующих детекторов, включая GPTZero, не даёт окончательного ответа, и сами инструменты обычно советуют не использовать оценку как единственное доказательство. Относитесь к любому результату как к вероятности и поводу присмотреться внимательнее, а не как к вердикту. Если текст отмечен, учитывайте контекст: происхождение автора, черновики и историю версий, а также то, как создавался текст, — всё это важнее одной-единственной цифры.

Разумный подход — сверяться со вторым, независимым инструментом, а не полагаться на одну оценку, и быть особенно внимательным с авторами, для которых английский не родной, короткими отрывками и отредактированными черновиками. Для преподавателей и проверяющих это означает использовать детекторы как повод для разговора наряду с собственным суждением. Для авторов это означает сохранять прозрачность процесса и проводить собственную самопроверку перед сдачей работы, чтобы неожиданная пометка не застала врасплох.