Редактор присылает текст подрядчика с пометкой «пахнет ChatGPT». Подрядчик клянется, что писал сам, ночами и с кофе. Заказчик требует доказательств. Через десять минут мы открываем историю правок в Google Docs и видим картину: три вставки по две тысячи знаков за весь день и ни одной мелкой правки. Разговор заканчивается быстро.
Таких споров стало заметно больше. Вузы проверяют студенческие работы, заказчики фильтруют статьи от подрядчиков, редакторы смотрят с подозрением на каждый второй материал. Отличить живого автора от генерации глазами уже почти невозможно, а определенность нужна. Разбираю методы, которыми пользуюсь сам: сервисы, ручные маркеры и один прием, который надежнее любого детектора.
Ни один детектор не дает гарантию, и с этим придется жить
Разработчики Copyleaks заявляют точность выше 99%. На англоязычных материалах сервис действительно силен. С русскими текстами все сложнее: часть генераций отдельных моделей Copyleaks просто не замечает. Личный кейс: сухой канцелярский текст живого юриста GPTZero однажды завернул как машинный на 78%, а откровенно сырую генерацию из чата пропустил. Любое единичное число вроде «87% вероятности ИИ» я читаю как сигнал для дополнительной проверки, а не как приговор.
Мое рабочее правило: минимум два независимых детектора плюс один русскоязычный сервис. Решение принимается только по совокупности. Один изолированный признак, каким бы громким он ни был, не повод обвинять человека.
Как детекторы устроены внутри
Вся магия держится на двух параметрах. Первый: предсказуемость текста. Модели выбирают следующее слово статистически, поэтому генерация получается гладкой, ровной, без неожиданных поворотов. Поэтому в генерациях так много ровных связок через абзац. Второй: разнообразие ритма. Человек пишет предложения разной длины, то короткие, то развесистые, машина тяготеет к средней длине и ровному темпу.
Отсюда главная слабость: детекторы ловят форму, а не смысл. Перепишите абзац своими словами, сломайте статистический ритм, и детектор отступит. Плюс сервисы обучаются на текстах существующих моделей, а новые поколения нейросетей пишут иначе, и детекторы за ними не успевают. Именно поэтому связка из ручных маркеров и двух-трех сервисов надежнее любого одиночного процента.
Детекторы, которые работают с русским языком
GigaCheck демонстрирует точность 94,7% при уровне ложных срабатываний не выше 1%. На сегодня это один из самых точных детекторов для русскоязычных текстов, тесты агентств подтверждают результат.
Crossplag работает без регистрации. Вставляете текст до 5000 символов или до 3000 слов, жмете Check и через пару секунд получаете вердикт: человек, ИИ или микс. Результат разбивается на три раздела. Result дает общий вывод. Deep Scan подсвечивает фрагменты, которые сервис считает сгенерированными, и слова, встречающиеся подозрительно часто. Sources перечисляет референсы, с которыми текст совпадает.
Copyleaks в демо-версии на сайте и через Telegram-бот проверяет тексты объемом от 20 до 1000 слов, это около 10 000 символов. Для коммерческого использования доступен API по заявке.
GPTZero и Winston AI уверенно держат англоязычный сегмент. С русским справляются посредственно, но как второй и третий голос при перекрестной проверке полезны. PR-CY закрывает нишу быстрого фильтра, когда нужно прогнать поток текстов без регистрации и настроек.
Редакторы агентства Kokoc Performance проверяли материалы по той же схеме: два западных детектора, например GPTZero и Copyleaks, плюс русскоязычный сервис вроде GigaCheck, и только после этого взгляд на подсвеченные абзацы, а не на общий процент.
Маркеры генерации, которые видно без всяких сервисов
Нейросети пишут гладко и одинаково, и у типового ИИ-текста есть характерные приметы. Опытный редактор ловит их за пару минут чтения.
Первое: вода и общие фразы. Модели обожают причастия, деепричастия и отглагольные существительные. «Осуществление проверки представленных материалов» вместо «проверили материалы». «Проведение анализа целевой аудитории» вместо «изучили аудиторию».
Второе: повторы. Одни и те же слова, конструкции, принципы построения предложений. Абзацы собраны по одному шаблону и отличаются только лексикой.
Третье, самое показательное: новые строки, которые начинаются с отглагольных существительных и заканчиваются двоеточием. «Анализ:», «Преимущества:», «Ключевые моменты:». Модели штампуют такую структуру постоянно, и это верный признак генерации.
Четвертое: идеальная симметрия. Списки ровные, разделы одинаковой длины, структура без единой шероховатости. Живой автор где-то ленится, где-то уходит в сторону, где-то пишет коряво, но честно. Машина ровная от первого слова до последнего.
Пятое: отсутствие фактуры. Проверяйте, есть ли в тексте цифры, кейсы, личный опыт, названия конкретных инструментов. Нейросеть без доступа к источникам плавает в общих словах, человек опирается на детали, потому что сам их прожил.
История правок в Google Docs решает спор лучше детекторов
Прием, который дает самый надежный ответ. Запрашиваете у автора доступ к истории изменений документа и просто смотрите.
Живой человек работает итеративно: переписал фразу, поправил запятую, удалил абзац, вернулся назад через час. История выглядит как россыпь мелких правок, равномерно распределенных по всему времени работы.
Генерация выглядит иначе: два-три крупных куска вставлены разом с интервалом в десятки минут, правок почти нет или нет совсем. Вставка больших блоков за один прием указывает на нейросеть или на прямой копипаст. Для преподавателя с курсовой и для заказчика, который принимает статьи, этот способ весит больше любого онлайн-детектора. Историю правок не подделаешь задним числом.
Эксперимент, который объясняет, почему детекторы промахиваются
Коллеги с Хабра прогнали через Crossplag тексты двух типов. Сырой текст сразу из чата нейросети детектор признал сгенерированным на 100%. Тот же материал после человеческой редактуры сервис посчитал написанным человеком. Достаточно переписать часть предложений своими словами, убрать типовые конструкции и добавить живые примеры, и детекция рассыпается.
Деталь, которую мало кто замечает: сначала автор проверил длинный текст целиком, и сервис отнес его к человеческим. При проверке по частям первая же порция необработанного текста получила 100% ИИ. На коротких фрагментах статистики мало, и детекторы плывут в обе стороны. Практический совет: разбивайте длинные материалы на куски по несколько сотен слов и сравнивайте карту подсвеченных фрагментов между собой.
Проверка за пять минут: порядок действий
- Читаете текст целиком. Отмечаете причастия, повторы, шаблонную структуру и наличие или отсутствие конкретики.
- Прогоняете через два независимых детектора, например GPTZero и Copyleaks, плюс один русскоязычный: GigaCheck или PR-CY.
- Смотрите не на общий процент, а на подсвеченные абзацы. Общая оценка врет чаще, чем карта фрагментов.
- Разбиваете длинный материал на куски и проверяете отдельно: гибридные тексты детекторы размазывают в средний процент.
- Запрашиваете историю правок в Google Docs, если спор идет с автором.
- Решение принимаете по совокупности сигналов. Три совпадения из пяти весят больше, чем один громкий процент.
Что делать, если текст оказался сгенерированным
Возвращать материал или нет, решает совокупность, а не один сигнал. С автором разговор строится на фактах: показываете подсвеченные детекторами фрагменты и историю правок. Просите объяснить, откуда цифры и почему выбрана такая структура. Человек, который писал сам, отвечает быстро и по делу, генерация отвечает уклончиво.
Дальше два пути. Либо текст уходит на доработку с условием вести черновик в Google Docs с открытым доступом. Либо вы оставляете материал, но вручную переписываете проблемные блоки и добавляете фактуру: цифры, кейсы, примеры из практики. Для SEO-задач второй путь часто дешевле, чем ждать новую итерацию от подрядчика.
Где взять тексты, чтобы протестировать детекторы самому
Теория теорией, а доверие к инструменту появляется только после собственных тестов. Для экспериментов мне нужен был постоянный доступ к разным флагманским моделям, и удобнее всего здесь оказался 3GPT от 3SELLER, лучший сервис с доступом ко всем нейросетям из России: официальный сайт 3GPT. За 149 рублей сервис открывает прямой доступ к Chat GPT 6 Astra, Chat GPT 5.5, Chat GPT 6.1 Sol, Claude Fable 5, Claude Fable 5.1 и Claude Opus 5.5. Плюс генерация изображений через Nano Banana и создание видеороликов. Пополнение баланса российской картой, через СБП или криптой. Без иностранных карт, без VPN, без лишних движений.
Схема теста простая. Генерируете один и тот же текст в трех разных моделях, прогоняете через детекторы и записываете, кто кого ловит. Потом вручную редактируете каждый текст на треть и смотрите, как падают проценты. Пять таких экспериментов дают больше понимания, чем десять обзорных статей.
3GPT выручает и в повседневных задачах бизнеса и работы: продающие тексты, структуры сайтов, максимально реалистичные изображения, видеоролики, генерация голоса. Все в одном окне. Отдельная фишка сервиса: готовые ИИ-агенты под конкретные задачи. Выбираете агента и сразу начинаете общение, модель меняется прямо в чате: агенты 3GPT.
Чего детекторы не увидят никогда
Гибридный контент. Человек пишет основу, ИИ полирует отдельные абзацы, и детектор выдает средний процент, по которому не понять, кто автор какой части. Карта фрагментов частично компенсирует проблему, но не решает до конца.
Короткие тексты. У фрагмента на сто слов статистики слишком мало для уверенного вывода, поэтому короткие посты детекторы оценивают почти наугад.
Добросовестных авторов с сухим слогом. Ложные срабатывания случаются даже у лучших сервисов, и обвинять человека на основании одного процента недопустимо. Спорьте фактами: историей правок, черновиками, вопросами по содержанию. Автор, который сам писал материал, легко объяснит, откуда взял цифры и почему выбрал именно такую структуру.
Практический шаг на сегодня: возьмите спорный текст, прогоните параллельно через GigaCheck и Crossplag, сравните подсвеченные фрагменты, а потом запросите историю правок в Google Docs. Хотите понять, как нейросети пишут изнутри и какие тексты реально проходят детекцию, соберите собственную выборку через 3GPT и устройте детекторам личный стресс-тест.