5 инструментов для распознавания сгенерированного текста

Короткий ответ на вопрос, как распознать текст, написанный нейросетью: стопроцентно надёжного способа нет. Ни один детектор не выдаёт доказательство — только вероятность, и ошибается в обе стороны. Работающая схема другая: сначала читаете текст глазами по конкретным признакам, потом прогоняете через два независимых сервиса, а решение принимаете по совокупности, а не по проценту на экране.

Ниже — какие признаки действительно работают, какие детекторы живы на август 2026 года, где именно они врут и что делать, если ИИ-авторство приписали вам по ошибке.

Сначала развилка: OCR или детекция ИИ

По-русски «распознать текст нейросетью» означает две разные задачи, и часть читателей приходит на такие страницы не за тем.

Задача первая — OCR. У вас есть фотография документа, скан или кадр с доски, и нужно вытащить оттуда буквы в редактируемый вид. Это оптическое распознавание символов, ему больше полувека, и нейросети здесь — просто движок конвертации «картинка → текст». Если вы за этим, вам сюда не нужно: посмотрите разбор про AI-инструменты для чтения документов и PDF, там как раз про извлечение текста.

Задача вторая — детекция. У вас уже есть готовый текст, и нужно понять, писал его человек или языковая модель. Это статья про неё.

Разница принципиальная. OCR — задача с проверяемым ответом: буква на фото либо «А», либо не «А», результат можно сверить глазами за секунду. Детекция ответа не имеет вовсе: одну и ту же фразу мог набрать копирайтер и сгенерировать модель, и в самом тексте нет метки, которая это различает. Отсюда все проблемы дальше.

ОБЗОРНЫЙ ПРАКТИКУМ ПО НАШУМЕВШИМ НЕЙРОСЕТЯМ

Нейросети DEEPSEEK И QWEN За 2 часа сделаем полный обзор новых мощных ИИ-моделей, которые бросают вызов нейросети ChatGPT

ТОП-подарки всем участникам лекции:

• Возможность получить Доступ в Нейроклуб на целый месяц
• Как ИИ ускоряет работу и приносит деньги
• За 2 часа вы получите четкий план, как начать работать с ИИ прямо сейчас!

Участвовать бесплатно

ОНЛАЙН-ПРАКТИКУМ

ЗАПУСК нейросети DEEPSEEK R1 ЛОКАЛЬНО НА СВОЕМ КОМПЬЮТЕРЕ

ЧТО БУДЕТ НА ОБУЧЕНИИ?

• ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросети DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
• Где и как применять? Потестируем модель после установки на разных задачах
• Как дообучить модель под себя?

Участвовать бесплатно

Главный факт: детекторы ненадёжны, и это подтверждено первоисточниками

Прежде чем выбирать сервис, стоит знать три вещи, которые редко пишут в подборках.

1. OpenAI закрыла собственный детектор. Компания, сделавшая ChatGPT, 31 января 2023 года выпустила AI Text Classifier — и 20 июля того же года его отключила. В официальном посте стоит примечание: «As of July 20, 2023, the AI classifier is no longer available due to its low rate of accuracy» — «больше недоступен из-за низкой точности». Цифры оттуда же: классификатор верно опознавал 26% ИИ-текстов и при этом в 9% случаев называл машинным текст, написанный человеком. Там же перечислены ограничения: «очень ненадёжен на текстах короче 1000 символов» и «мы рекомендуем использовать классификатор только для английского текста — на других языках он работает существенно хуже».

Это важно, потому что подборки сервисов в русской выдаче до сих пор советуют AI Text Classifier первым номером. Инструмента нет уже три года.

2. Детекторы системно ошибаются на текстах неносителей языка. Исследование Лян, Юксекгонюль, Мао, У и Цзоу, опубликованное в журнале Patterns в 2023 году (препринт arXiv:2304.02819), прогнало семь детекторов — Originality.AI, Quil.org, Sapling, OpenAI, Crossplag, GPTZero и ZeroGPT — через эссе TOEFL, написанные живыми людьми, для которых английский неродной. Средняя доля ложных срабатываний — 61,22%. Все семь детекторов единогласно назвали машинными 18 эссе из 91, то есть 19,78%. На эссе американских восьмиклассников те же детекторы работали почти безошибочно.

Дальше — самое неприятное для практики. Когда авторы попросили ChatGPT переписать те же эссе промптом «сделай подбор слов более похожим на речь носителя», средняя доля ложных срабатываний упала с 61,22% до 11,77%. То есть детектор ловит не машину, а бедный язык — и обходится одним промптом.

3. Заявленные 99% не выдерживают независимой проверки. Бенчмарк RAID (ACL 2024, Дуган и соавторы) прямо начинается с этого: «многие коммерческие и открытые модели заявляют точность 99% и выше», но проверяются на слишком лёгких данных. На 6 миллионах текстов, 11 моделях, 8 доменах и 11 состязательных атаках 12 детекторов «легко обманываются атаками, изменением стратегии сэмплирования и незнакомыми генеративными моделями».

Почему детектор в принципе не может дать доказательства

Детектор не «видит» происхождение текста. Он оценивает, насколько выбор слов предсказуем: языковая модель на каждом шаге берёт наиболее вероятное продолжение, поэтому машинный текст в среднем ровнее и беднее сюрпризами, чем человеческий. Исследователи из Patterns прямо связывают ошибку с этим механизмом — эссе неносителей языка тоже написаны предсказуемо, детектор их и заворачивает.

Из этого следуют три практических вывода.

Слишком гладкий человек попадает под подозрение. Технический писатель, работающий по шаблону, юрист с формулярным языком, студент, который пишет по методичке, — все они дают низкую «неожиданность» текста. Это класс ложных обвинений, а не редкая случайность.

Предсказуемый текст не классифицируется вовсе. В том же посте OpenAI это сформулировано на примере: невозможно определить, кто написал список первой тысячи простых чисел, потому что правильный ответ всегда один и тот же. Инструкции, юридические шаблоны, спецификации — та же история.

Обход тривиален. OpenAI признаёт: «AI-written text can be edited to evade the classifier» — сгенерированный текст можно отредактировать так, чтобы он прошёл мимо классификатора. Эксперимент Patterns это подтверждает числом: один промпт снизил ложные срабатывания в пять раз. Тот же приём работает и в обратную сторону.

Отдельная ловушка — редакторы с ИИ внутри. Copyleaks предупреждает об этом на своей же странице детектора: «For writers and students, certain platforms, like Grammarly, use ChatGPT and other genAI models for key functionalities and can be flagged as potential AI content». То есть человек писал сам, но проверил орфографию через сервис с ИИ-подсказками — и получил флаг.

Поэтому дальше речь не о том, «какой детектор самый точный», а о том, как построить проверку, которая не рассыпается от одного числа.

Пять инструментов из первой версии этой статьи: что с ними сейчас

Статья вышла в 2023 году с подборкой из пяти детекторов. Мы проверили каждый 4 августа 2026 года — двух из пяти в прежнем виде уже нет. Ниже честный разбор, что произошло и чем заменить.

Writer — детектора больше нет

В 2023 году у платформы Writer был бесплатный AI Content Detector с лимитом порядка 1500 символов. Сейчас адрес writer.com/ai-content-detector переадресуется на главную страницу, вариант writer.com/ai-detector отдаёт 404, а на самой главной слово «detector» не встречается ни разу: компания переехала в корпоративные ИИ-агенты и собственные модели Palmyra. Детектор как продукт закрыт. Замена — любой из живых сервисов ниже.

Copyleaks — жив, самый щедрый бесплатный лимит

Copyleaks остался специализированным детектором. На странице сервиса заявлены точность 99% «по независимым сторонним исследованиям», доля ложных срабатываний 0,03% и поддержка более 30 языков, включая русский. Бесплатно можно проверить до 25 000 символов без регистрации — это действительно больше, чем у конкурентов. Есть расширение для браузера, дополнение для Google Docs и интеграции с LMS.

К заявленным 99% относитесь как к маркетингу производителя: бенчмарк RAID проверял ровно такие обещания и нашёл, что они не держатся на состязательных данных.

Content at Scale — переименован в Brandwell

Сервис никуда не делся, но сменил бренд: адрес contentatscale.ai постоянным редиректом 301 ведёт на brandwell.ai, детектор живёт по адресу brandwell.ai/ai-content-detector. Если вы искали Content at Scale и не нашли — вы искали старое имя. На странице сервис сам пишет: «While the AI Detector provides real-time insights, it should not be used as a substitute for human judgment» — детектор не заменяет человеческое суждение.

Originality.AI — жив, но платный и с оговоркой от самого разработчика

Originality.AI работает, добавил проверку фактов, оценку качества и расширение для Chrome с записью процесса написания в Google Docs. Заявлена поддержка 30 языков при общей точности мультиязычной модели 97,8%.

Тарификация с 2023 года изменилась: сейчас это подписка — план Pro стоит 14,95 доллара в месяц или 12,95 доллара в месяц при годовой оплате (155,4 доллара за год) и даёт 2000 кредитов в месяц; следующий уровень — 15 000 кредитов. Один кредит равен 100 словам, проверка 100 слов на ИИ расходует один кредит, проверка на ИИ и плагиат сразу — два. Неиспользованные кредиты подписки сгорают в конце месяца.

Ценнее тарифов — оговорка, которую разработчик держит прямо под своим детектором: «Use AI detection as one signal, not a final decision. Review other details like writing history and drafts before any high consequence decisions. Always keep a human reviewer in the loop». Проверяйте историю правок и черновики до решений с последствиями, человек в контуре обязателен.

GPTZero — жив, но русского в списке поддерживаемых языков нет

GPTZero остался самым известным детектором: на сайте заявлены 99% точности, 17 миллионов пользователей и миллион преподавателей, распознавание текстов ChatGPT, GPT-5, Gemini, Claude, Llama. Бесплатное поле принимает 10 000 символов, для больших объёмов нужен аккаунт. В 2026 году сервис присоединяется к компании Superhuman — об этом висит уведомление на главной.

Критичная деталь для русскоязычного пользователя: в собственном FAQ сервис перечисляет языки полной поддержки — английский, немецкий, португальский, французский и испанский. Русского в этом списке нет. Проверять им русский текст можно, но заявленные 99% относятся не к нему.

Сравнение: что осталось от подборки 2023 года

Данные с официальных страниц сервисов, проверены 4 августа 2026 года.

Цифры в последних двух колонках — заявления производителей, а не результат независимого замера. Мы приводим их с атрибуцией именно поэтому.

Русский текст: почему англоязычные детекторы здесь слабее

Все громкие детекторы обучались преимущественно на английском. OpenAI прямо писала про свой закрытый классификатор: на других языках он работает существенно хуже. GPTZero полную поддержку русского не заявляет. Значит, для русского текста нужен профильный инструмент.

Такой есть у Сбера — GigaCheck. В справке GigaChat API сервис описан так: бесплатный детектор ИИ-текстов на русском языке, принимает до 10 тысяч символов за проверку, доступен на сайте и в Telegram-боте. Заявленная точность — 94,7%. Модель учитывает лексические и синтаксические особенности, порядок слов и другие характеристики.

94,7% звучит солидно, но переведите в практику: даже при такой точности примерно каждая двадцатая проверка даёт неверный ответ. На потоке из ста статей это пять неправильных вердиктов — и вы не знаете, какие именно пять.

Признаки, которые видит глаз: чек-лист без сервисов

Ручная проверка не даёт процента, зато даёт объяснение — а объяснение можно предъявить автору или заказчику. В справке Сбера сформулированы пять критериев, к ним мы добавили то, что регулярно ловим в редактуре сами.

1. Сухость и шаблонность. Модель выбирает наиболее вероятные комбинации слов, поэтому стандартные обороты повторяются чаще обычного. Предложения одной длины и одной конструкции, много отглагольных существительных: привлечение, обеспечение, тестирование.

2. Абзацы не вытекают один из другого. Текст выглядит как набор фактов, которые можно переставить местами без ущерба. Связки почти отсутствуют, вместо них — «во-первых» и «во-вторых».

3. Самопротиворечие. В длинном материале модель может сначала рекомендовать подрядчика полного цикла, а через два экрана — узкого специалиста, и не заметить конфликта.

4. Странные метафоры. Сравнения слишком буквальные или смешивают несопоставимое.

5. Абстрактность и «водность». Модель избегает конкретики, чтобы угодить всем: «для достижения высокого уровня эффективности важно следовать всем необходимым рекомендациям». Убираете такое предложение — смысл не меняется.

6. Ноль проверяемых деталей. Самый надёжный ручной признак. В тексте нет ни одной цифры, даты, имени или ссылки, которую можно пойти и проверить. Человек, разбирающийся в теме, почти всегда оставляет якоря — просто потому, что помнит конкретику.

7. Фактические ошибки уверенным тоном. Перепутанные даты, несуществующие цитаты, неверные названия версий продуктов. Модель не сомневается там, где эксперт бы оговорился.

Признак 6 работает лучше остальных ещё и потому, что его нельзя обойти промптом «пиши живее»: чтобы добавить проверяемую конкретику, нужно её знать.

Протокол проверки за 10 минут

Метод важнее сервиса. Порядок такой.

Шаг 1. Сначала глаза, потом машина. Прочитайте текст по чек-листу выше и запишите вердикт до всякой проверки. Если сделать наоборот, процент на экране подменит собственное суждение — и вы будете искать подтверждения, а не признаки.

Шаг 2. Возьмите фрагмент от 1000 символов. На коротких кусках детекторы ненадёжны — это ограничение OpenAI признавала прямым текстом про собственный классификатор, и оно универсально для класса. Абзац из трёх строк проверять бессмысленно.

Шаг 3. Два независимых сервиса, не один. Для русского текста — GigaCheck плюс Copyleaks. Совпали оба — сигнал сильный. Разошлись — считайте, что ответа нет, и возвращайтесь к шагу 1.

Шаг 4. Проверьте конкретику. Возьмите из текста две-три фактические детали и попробуйте найти их в первоисточнике. Выдуманная цифра или несуществующая цитата — более весомая улика, чем любой процент, потому что её видно всем и она не требует доверия к чужому алгоритму.

Шаг 5. Решение принимает человек. Формулируйте вывод не как «текст сгенерирован», а как «текст не проходит по качеству: вот шесть шаблонных конструкций и две непроверяемые цифры». Такой вывод нельзя опровергнуть скриншотом другого детектора — и его можно исправить правкой.

Если вы работаете с внешними авторами, договоритесь о правилах заранее, до сдачи материала. Как это устроить на потоке, разбирали на примере найма — в тексте про использование ChatGPT без риска для кандидатов и компании.

Если ИИ-авторство приписали вам ошибочно

Это не гипотетическая ситуация. Напомним цифру из исследования Patterns: 61,22% ложных срабатываний на текстах живых людей, для которых язык неродной, и 18 эссе из 91, забракованных всеми семью детекторами единогласно. Единогласие семи сервисов не сделало вердикт верным.

Что предъявлять.

История версий документа. Google Docs и «Google Документы» хранят историю изменений, Word — версии в OneDrive. Текст, который писали час с правками и откатами, выглядит иначе, чем вставленный одним куском. Разработчики детекторов сами считают этот аргумент сильнее своего вердикта: Originality.AI пишет под собственным инструментом, что до решений с последствиями нужно смотреть историю письма и черновики.

Черновики и материалы. Заметки, интервью, скриншоты источников, выписки — всё, что предшествовало тексту.

Контрпример. Прогоните через тот же детектор заведомо человеческий текст того же автора и той же тематики — старую статью, письмо, диплом. Если сервис и его называет машинным, вопрос закрыт.

Второй детектор. Разные сервисы обучены по-разному и часто расходятся. Расхождение — законный аргумент.

И встречный вопрос проверяющему: чем именно подтверждается порог? Ни один из разобранных сервисов не заявляет, что его результат — доказательство. Copyleaks предупреждает про ложные флаги из-за редакторов вроде Grammarly, Brandwell пишет, что детектор не заменяет человеческое суждение, Originality.AI требует человека в контуре. Когда производитель инструмента сам отказывается называть его доказательством, ссылаться на него как на доказательство нельзя.

А что поисковики: накажут ли сайт за ИИ-текст

Здесь исходная версия статьи была права, и это стоит повторить. В феврале 2023 года Google опубликовала в блоге для разработчиков правила в отношении контента, созданного искусственным интеллектом. Позиция простая: оценивается качество и польза материала, а не способ его создания. Само по себе использование ИИ нарушением не является; нарушением является генерация ради манипуляции выдачей. Критерии те же, что и для остального контента — опыт, экспертность, авторитетность, достоверность.

Отсюда рабочая рамка. Поисковику не нужно определять авторство: ему достаточно оценить, отвечает ли страница на вопрос человека. Текст, в котором нет ни одного факта, который нельзя было бы взять из головы, проседает не потому, что его написала модель, а потому, что он пустой. И наоборот: материал, собранный с помощью ИИ, но проверенный, дополненный своими данными и отредактированный, не имеет никакого штрафа.

Практический вывод для владельца сайта: не гонитесь за нулевым процентом ИИ в детекторе. Гонитесь за проверяемой конкретикой, которой нет у конкурентов. Первое — недостижимо и никем не измеряется, второе измеряется и приносит трафик.

Итог

Надёжного способа распознать текст, написанный нейросетью, не существует. Собственный детектор OpenAI закрыт с формулировкой «низкая точность»; академическая проверка показала 61,22% ложных срабатываний на людях и обход одним промптом; бенчмарк RAID разобрал обещания в 99%. Живые сервисы — Copyleaks, Originality.AI, GPTZero, Brandwell, для русского языка GigaCheck — дают полезный сигнал, но ни один не называет себя доказательством.

Работает не сервис, а метод: чек-лист признаков, два независимых детектора, проверка фактов в тексте и решение, которое принимает человек и формулирует через качество, а не через авторство.

Как использовать нейросети так, чтобы результат не приходилось прятать от детекторов, мы разбираем на бесплатном вебинаре — и дарим список из более чем 600 ИИ-инструментов. А если пока не определились с инструментом под задачу, начните с разбора, как выбрать нейросеть под свою задачу без навыков разработки.

Частые вопросы

Можно ли на 100% определить, что текст написала нейросеть?

Нет. OpenAI закрыла собственный детектор 20 июля 2023 года с формулировкой «из-за низкой точности»: он верно опознавал 26% машинных текстов и в 9% случаев называл машинным текст человека. Любой сервис выдаёт вероятность, а не доказательство.

Какой детектор ИИ-текста лучше работает с русским языком?

GigaCheck от Сбера: это профильный детектор для русского, бесплатный, принимает до 10 тысяч символов, доступен на сайте и в Telegram-боте, заявленная точность — 94,7%. Copyleaks заявляет поддержку более 30 языков. GPTZero полную поддержку русского не заявляет — в его списке английский, немецкий, португальский, французский и испанский.

Почему детектор посчитал мой собственный текст сгенерированным?

Детекторы оценивают предсказуемость языка, а не происхождение текста. Исследование в журнале Patterns показало, что семь детекторов в среднем в 61,22% случаев принимали за ИИ эссе живых людей, для которых английский неродной. Ровный, шаблонный, терминологичный текст попадает под подозрение независимо от авторства.

Понизит ли Яндекс или Google сайт за текст, написанный нейросетью?

Google в правилах от февраля 2023 года заявила, что оценивает качество и пользу материала, а не способ создания: само по себе применение ИИ нарушением не является, нарушением является генерация ради манипуляции выдачей. Проседает не ИИ-текст, а пустой текст.

Чем распознавание ИИ-текста отличается от распознавания текста с картинки?

Это разные задачи. Распознавание текста с фото или скана — это OCR, перевод изображения в редактируемые символы, результат сверяется глазами. Детекция ИИ определяет, кто автор готового текста, и проверяемого ответа не имеет.