29 июля 2026 года компания Pangram Labs выпустила Pangram 4 — версию своего детектора, где заявленная доля ложных срабатываний на английских текстах составляет 0,0041%. Это примерно одно ложное обвинение на 24 000 документов. Цифра настолько лучше привычных, что стоит разобраться, что за ней стоит, и главное — что она меняет в реальной работе, а что нет.
Проблема детекторов не в том, что они «иногда ошибаются». Проблема в асимметрии последствий.
Сделайте следующий шаг в карьере
Подберите обучение, которое поможет освоить новые компетенции
Когда детектор пропускает сгенерированный текст, никто не страдает: работа просто уходит дальше. Когда детектор помечает как ИИ текст живого человека, человек получает обвинение, которое почти невозможно опровергнуть. Доказать, что ты писал сам, технически нельзя — можно только показать черновики и историю правок, если они сохранились.
Отсюда три слабости, из-за которых массовые детекторы бесполезны:
Ложные срабатывания на «сухом» человеческом тексте. Инструкции, методички, отчёты, тексты авторов, для которых язык не родной, — всё это статистически похоже на генерацию: предсказуемая лексика, ровный ритм, мало редких оборотов. Именно эти категории чаще всего попадают под удар.
Бинарный вердикт вместо картины. Большинство сервисов выдаёт одно число на весь документ — «87% ИИ». Что с этим делать, если студент написал текст сам, а потом прогнал через нейросеть для вычитки? Формально ИИ участвовал. Содержательно — это правка, а не написание. Бинарная шкала этой разницы не видит.
Уязвимость к гуманизаторам. Коммерческие сервисы-«очеловечиватели» переписывают сгенерированный текст так, чтобы сбить статистику детектора. Пока детектор считает перплексию и разброс длин предложений, обойти его — вопрос двадцати рублей и одной кнопки.
Ни одну из этих проблем нельзя решить, просто увеличив точность модели на пару процентов. Их надо решать по отдельности — и именно этим интересен Pangram 4.
Вендор называет Pangram 4 своей самой точной моделью для детекции ИИ-текста. Заявленные числа из карточки модели:
Под капотом — первая у компании архитектура mixture-of-experts со sparse routing, примерно в шесть раз больше по числу параметров, чем Pangram 3.3. Обучающие данные генерировались внутри компании на 75 моделях; бенчмарк по ложным срабатываниям собран из 2 млн документов, написанных до 2022 года, бенчмарк по пропускам — из 519 993 образцов, полученных от 26 моделей на 20 000 промптов.
Но интереснее архитектуры — то, как модель выдаёт результат. Pangram 4 оценивает текст не целиком, а по перекрывающимся окнам в 512 токенов и присваивает каждому токену одну из трёх меток: написано человеком, написано с помощью ИИ (AI-assisted) или сгенерировано ИИ (AI-generated).
Это и есть настоящее изменение. Документ перестаёт быть одним вердиктом и становится картой: вот эти три абзаца человек писал сам, вот этот кусок вставлен из чат-бота целиком, а вот здесь текст авторский, но его несколько раз прогнали через нейросеть для «улучшения стиля». Отдельная метка AI-assisted как раз и отделяет итеративную правку от генерации с нуля.
Заодно с Pangram 4 компания анонсировала Pangram Image — research preview детектора сгенерированных изображений. Pangram 3 поддерживается ещё два месяца, вывод из эксплуатации назначен на 30 сентября 2026 года.
Отдельный тест вендора: тексты, сгенерированные ИИ, прогнали через 13 популярных коммерческих гуманизаторов — сервисов, которые продают обход проверки как услугу. Pangram 4 распознал участие ИИ в 98,83% случаев.
Почему гуманизаторы перестают работать? Потому что они решают вчерашнюю задачу. Классические детекторы опирались на статистику «предсказуемости» текста, и гуманизатору достаточно было внести шум: заменить слова синонимами, разбить длинные предложения, добавить разговорных вставок. Модель, обученная на выходах 75 генеративных систем и размечающая текст пофрагментно, ловит не гладкость, а следы конкретных генеративных распределений — их шумом не смыть, их надо переписать заново. А переписать заново — это уже написать самому.
Практический вывод для преподавателя простой: аргумент «я прогнал через гуманизатор, значит это мой текст» перестал работать технически. Но и обратное верно — не спешите строить на этом дисциплинарную процедуру, о чём ниже.
Здесь начинается наша оценка, и она не совпадает с маркетингом вендора.
Главное в Pangram 4 — не точность, а трёхуровневая разметка. Цифра 0,0041% красива, но проверить её вне лаборатории вендора невозможно, и в конкретном споре со студентом она не значит ничего: ваш случай — либо ложное срабатывание, либо нет, и вероятность здесь не аргумент. А вот метка AI-assisted и посегментная карта документа реально меняют разговор: вместо приговора «текст сгенерирован» появляется предмет для обсуждения — какие именно фрагменты и на каком этапе делала нейросеть.
Недооценённая часть — то, что вендор сам признаёт ограничения. В карточке модели прямо написано: область применимости — связные тексты от 50 слов. Вне области — короткие ответы, код, таблицы, шаблонные и инструктивные тексты, тексты с большим количеством формул. Вендор прямо пишет про «ненулевую вероятность ошибки» и риск репутационного вреда от ложных обвинений. Для рынка, где принято рисовать «99,9% точности» без методики, это редкая честность — и её стоит читать буквально, а не как юридическую формальность.
Узкое место — русский язык. Отдельной точности по русскому вендор не раскрывает: есть только общий многоязычный FNR 1,24% без разбивки. Флагманская цифра 0,0041% относится к английским текстам. Как соотносится с ней «99,98% точности» с главной страницы сайта — вендор не объясняет; по методике это разные вещи. Считать, что на русскоязычной курсовой детектор работает так же, как на английском эссе, оснований нет.
И ещё одно, что никакая модель не чинит: решение всё равно принимает человек. Даже безупречный детектор выдаёт вероятностную оценку, а не доказательство. Вердикт «AI-generated» — это повод задать вопрос и посмотреть черновики, а не основание для санкции. Учебные и редакционные регламенты под такую логику в большинстве мест пока не написаны, и это отставание опаснее любых процентов в карточке модели.
Если вы решаете более общий вопрос — какие задачи вообще имеет смысл отдавать нейросети, а какие нет, — у нас есть отдельный разбор: ИИ-аудит делегирования задач.
Пора сменить профессию? Начните с понятного плана
Подберите программу под ваш опыт, цели и желаемый формат занятости
Все суммы — в долларах США, по данным страницы цен вендора.
API Pangram 4 стоит $0,05 за 100 слов — против $0,05 за 1 000 слов у третьей версии, то есть подорожал в десять раз. Квоты на изображения добавили во все планы без повышения цены.
Практически это значит: бесплатного тарифа хватает на несколько студенческих работ в день или на выборочную проверку в редакции. На поток из тридцати курсовых — нет. Отметим расхождение в описании бесплатного тарифа: на главной странице сайта упоминаются «двадцать бесплатных проверок в день», на странице цен — 2 000 слов в день. Мы приводим цифру со страницы цен.
Оплата у Pangram идёт в долларах через зарубежный платёжный шлюз, и российские карты — включая «Мир» — там не проходят. Формальных страновых ограничений в пользовательском соглашении нет: документ регулируется правом штата Нью-Йорк, экспортных оговорок не содержит. Признаков геоблокировки мы не нашли, но инструментально доступность с российского IP не проверяли. Реалистичный сценарий для пользователя из России — бесплатный тариф.
Что доступно без этих сложностей:
«Антиплагиат» — встроенный детектор искусственно сгенерированного текста, фактический стандарт для российских вузов; детектор обновляли под актуальные версии генеративных моделей. Если речь про учебную работу, спор всё равно будет разбираться по его отчёту, а не по отчёту Pangram.
Etxt — российский детектор ИИ-текста, привычный копирайтерам и биржевым заказчикам.
Text.ru — проверка на ИИ-генерацию внутри сервиса проверки уникальности; удобно, когда нужны обе метрики сразу.
Plagiat.AI — позиционируется как обученный на русскоязычных моделях, включая YandexGPT и GigaChat. Это заявление вендора, независимой проверки мы не видели, но идея верная: русскоязычные генерации логично ловить моделью, которая их и видела.
Отдельного публичного детектора ИИ-текста от Яндекса или Сбера на сегодня нет — есть их генеративные модели, но не сервис проверки.
Разумная схема для российского преподавателя или редактора: основная проверка — «Антиплагиат» или Text.ru, а Pangram на бесплатном тарифе — как второе мнение в спорных случаях, ради посегментной карты документа. Полагаться на один детектор не стоит ни в каком сочетании.
Технология изменилась, привычки — нет. Несколько вещей, которые стоит поменять раньше, чем следующий детектор станет ещё точнее:
Преподавателю, который выстраивает такие правила у себя в курсе, полезно самому понимать, как нейросети пишут тексты и где у них швы, — этому учит программа «Нейросети в образовании»: чем лучше понимаешь генерацию, тем меньше нужен детектор.
Без регистрации работают Text.ru и Etxt — там достаточно вставить текст в поле. У Pangram бесплатный тариф есть (2 000 слов в день), но аккаунт понадобится. «Антиплагиат» в полной версии доступен через вуз, для физлиц — через платный личный кабинет.
Отдельного публичного сервиса проверки текста на ИИ ни у Яндекса, ни у Сбера сейчас нет — обе компании развивают генеративные модели (YandexGPT, GigaChat), а не детекторы. Из российских решений, работающих с русскоязычной генерацией, есть «Антиплагиат», Text.ru, Etxt и Plagiat.AI.
False positive — ложное срабатывание, когда человеческий текст помечен как сгенерированный. Заявленные 0,0041% у Pangram 4 означают примерно один такой случай на 24 000 документов на английском языке. Но для конкретного человека вероятность не работает: если ошибка выпала на его работу, статистика ему не поможет. Поэтому отчёт детектора — повод для проверки, а не доказательство.
Да, русский входит в 23 официально поддерживаемых языка. Но отдельной точности по русскому вендор не публикует: есть только общий многоязычный показатель ложных пропусков 1,24%, а флагманские 0,0041% ложных срабатываний относятся к английским текстам.
По тесту вендора на выходах 13 коммерческих гуманизаторов Pangram 4 распознал участие ИИ в 98,83% случаев. То есть на этом детекторе гуманизаторы почти перестали работать. На более простых сервисах, считающих статистику текста, они всё ещё срабатывают — но это временное преимущество, и строить на нём учебную стратегию бессмысленно.
Превратите интерес к теме в новую профессию
Оставьте заявку — поможем выбрать программу и расскажем об условиях обучения
Оставить заявку
Задать вопрос
Задать вопрос