Антиплагиат на ИИ: как одна система ловит нейротекст разными способами

Коротко: антиплагиат на ИИ — это не один алгоритм, а набор признаков, которые считаются одновременно и сводятся в общую вероятность. Система смотрит, насколько предсказуемы ваши формулировки, насколько ровно вы пишете и насколько текст похож на человеческий стиль по статистике — а на выходе даёт процент, а не вердикт. Это принципиально другая проверка, чем поиск заимствований: детектор ИИ анализирует структуру самого текста, а не совпадения с источниками.

Два разных контура внутри одного отчёта

Классический антиплагиат ищет заимствования — совпадения с существующими источниками: открытым интернетом, научными журналами, работами студентов других вузов и внутренней базой университета. Технически это работает через шинглы — фрагменты текста по несколько слов, обычно 3–5, каждый из которых сравнивается с базой. Чем короче шингл, тем жёстче проверка.

Поверх этого у систем появился второй контур — модуль, оценивающий вероятность того, что текст сгенерирован. Сегодня такой модуль есть у всех заметных игроков рынка. В отчёте он выводится отдельной строкой «ИИ-контент» — рядом с оригинальностью, цитированием и самоцитированием, но считается полностью независимо от них.

Отсюда главный парадокс, из-за которого студенты попадают в неприятные ситуации. Классический антиплагиат может показать, что текст оригинален, даже если он полностью сгенерирован — у него просто нет прямых совпадений с опубликованными источниками. И наоборот: честно написанная компиляция по учебникам легко даст высокий процент заимствований при нулевом ИИ-контенте. Две проверки отвечают на разные вопросы, и ни одна не дублирует другую.

Перплексия: насколько ваш текст предсказуем

Первый и, по описаниям самих систем, главный признак — перплексия. Это мера того, насколько предсказуемы слова в тексте для языковой модели. Логика простая: нейросеть на каждом шаге выбирает наиболее вероятное продолжение, поэтому её текст состоит из «правильных» слов в «правильных» местах. Детектор прогоняет ваш абзац через свою модель и считает, насколько часто она угадывала следующее слово.

У человека угадывается хуже. Мы вставляем неожиданное определение, уходим в сторону, используем слово, которое формально не лучшее в контексте, но нам так захотелось. Главный триггер — перплексия, то есть насколько текст предсказуем для языковой модели, и именно этот показатель чаще всего даёт основной вклад в итоговый процент.

Проблема перплексии в том, что она одинаково плохо относится и к нейросети, и к человеку, который пишет предельно шаблонно. Академический стиль по определению предсказуем: вводные конструкции, стандартные переходы, устойчивые формулы. Поэтому добросовестный студент, старательно имитирующий «научный язык» из методички, может получить высокий ИИ-процент просто за то, что писал слишком аккуратно.

Burstiness: ритм, который выдаёт машину

Второй признак — burstiness, или «бурстинесс», то есть разнообразие длины предложений. Человеческий текст неровный по своей природе. В одном абзаце может быть предложение на три строки с двумя вставными оборотами, а следом — короткая рубленая фраза на четыре слова. Это и есть всплески, которые детектор считает маркером живого письма.

Нейросети держат ровный темп. Однородный ритм предложений — когда все они примерно одной длины и построены по одной схеме — алгоритм ловит отдельно. Туда же идёт избыточная логичность структуры: тезис, аргумент, вывод — и снова тезис, аргумент, вывод, абзац за абзацем, без отступлений и без мест, где автор споткнулся.

Burstiness считается не только по словам в предложении. Детектор смотрит на повторяемость синтаксических конструкций, распределение частей речи, равномерность абзацев. Важно, что этот признак работает на уровне фрагмента: поэтому в отчёте вы видите подсвеченные абзацы, а не один общий флаг на весь документ. Проверка текста на ИИ antiplagiat устроена именно так — текст делится на фрагменты или абзацы, и каждый получает свою оценку.

Сравнение со стилем: классификатор на двух корпусах

Третий метод не сводится к одной метрике. Детектор — это классификатор, обученный на двух корпусах: тексты людей и тексты нейросетей. Он не считает перплексию «вручную», а ищет весь комплекс признаков, которые на обучающей выборке отличали одну группу от другой: предсказуемость формулировок, повторяемость конструкций, равномерность стиля, распределение слов.

Часть этих признаков производители описывают открыто. В инструкции системы перечислены, в частности, много повторов, фактические ошибки, поверхностность, обилие общих фраз и банальностей; отсутствие конкретики — имён, дат, событий; скудная лексика или, напротив, преувеличения. Сюда же относятся узнаваемые оборот вроде «следует отметить», «таким образом можно заключить», «в рамках данного исследования» — сами по себе они не приговор, но в сумме с ровным ритмом и высокой предсказуемостью складываются в высокий балл.

Отдельная линия — отсутствие авторских маркеров. Система отмечает, что в тексте нет случайных оборотов, нестандартных переходов, живой неровности. Это ровно та характеристика, которую невозможно подделать синонимайзером: заменив слова, вы не добавите тексту собственной логики.

Как признаки складываются в итоговый процент

Ни один из методов не работает в одиночку. Детектор смотрит на несколько вещей одновременно — однородность стиля, предсказуемый выбор слов, отсутствие авторских маркеров — и выдаёт не бинарный ответ, а вероятность для документа или для каждого фрагмента. Поэтому результат правильно читать как «текст похож на машинный по такому-то набору признаков», а не как доказательство авторства.

Калибровка этого расчёта меняется, и довольно резко. В начале 2026 года системы получили обновления, сдвинувшие калибровку в сторону агрессивного выявления ИИ: модуль, который летом 2025-го пропускал чистые тексты GPT, весной 2026-го начал срабатывать на дипломах, написанных самостоятельно. Скорость самой проверки после последнего обновления выросла примерно в 2,5 раза.

Цифры по рынку тоже растут. По данным «Антиплагиата», в первом квартале 2026 года признаки использования ИИ нашли в 27% студенческих работ против 17% годом ранее. На больших корпусах тренд ещё заметнее: с 2022 по 2025 год доля текста, классифицированного как похожий на ИИ, выросла с 9,9% до 42,3%. Но это оценка языковых признаков на уровне корпуса, а не подсчёт работ, написанных ChatGPT.

Ложные срабатывания и что с ними делать

Разработчик заявляет, что вероятность ошибки не более 1%, а после июльского обновления доля ложноположительных срабатываний снизилась с 1,55% до 0,15% по документам и с 0,08% до 0,005% по символам — на выборке из 1500 документов. При этом компания прямо признаёт: ни один ИИ-детектор в мире не может гарантировать стопроцентную точность.

Практика это подтверждает с обеих сторон. Студенты жаловались, что их не допускали к защите, а система посчитала 34% дипломной работы ИИ-контентом; преподаватели подтверждали случаи ошибочных выявлений. Одновременно проверка иногда не находит фрагменты, которые действительно написал ИИ. Антиплагиат курсовой работы и диплома — это вероятностный инструмент, и к нему нужно относиться соответственно.

Отсюда простые выводы для защиты своей позиции. Во-первых, сохраняйте план, черновики, список источников, историю правок и промежуточные версии — это единственное, что работает в разговоре с комиссией. Во-вторых, если текст начинался как черновик нейросети, разумная задача не «обойти» проверку, а сделать из него самостоятельную работу: проверить каждую цифру, дату и цитату, пересобрать материал, добавить свою логику, примеры и нормальные ссылки. В-третьих, узнайте, какую именно систему использует ваш вуз: версия на antiplagiat.ru проверяет только открытый интернет, а «Антиплагиат.ВУЗ» ориентирован на образовательные организации и видит больше баз.

Вопрос — ответ

Проверка текста на ИИ онлайн antiplagiat и проверка на плагиат — это одно и то же?

Нет. Это два разных модуля, которые анализируют один и тот же текст, но отвечают на разные вопросы: один ищет совпадения с базами, другой — статистические признаки генерации. В отчёте они идут отдельными показателями, и высокая оригинальность никак не снижает процент ИИ.

Можно ли убрать ИИ-процент, заменив слова синонимами?

Как правило, нет. Перплексия и burstiness считаются по структуре: предсказуемости продолжений и ритму предложений. Замена отдельных слов не меняет ни длину фраз, ни однородность стиля, ни отсутствие авторских маркеров — а именно эти признаки дают основной вклад в оценку.

Если система показала высокий ИИ-процент, а я писал сам — что делать?

Опираться на то, что это вероятностная оценка, а не доказательство: результат нельзя воспринимать как доказательство авторства. Покажите черновики, историю версий, список источников и конкретику, которой в сгенерированном тексте обычно нет: ваши расчёты, данные с практики, имена и даты. Заодно попросите разметку по фрагментам — часто претензия касается двух-трёх шаблонных абзацев, а не всей работы.

Как это решает кот

Мы в КотПишетСам обучили собственную модель писать учебные работы — не пересказывать общие фразы, а собирать текст с настоящими источниками, таблицами и оформлением по ГОСТ, где есть конкретика: цифры, даты, ссылки. Начать можно бесплатно: план работы по любой теме собирается за минуту, и уже по нему видно, будет ли в тексте содержание или одни банальности. Если черновик получился слишком ровным по ритму и предсказуемым по формулировкам, есть встроенный и отдельный хьюманайзер, а логику самой детекции мы подробно разбираем в разборе — чтобы вы понимали, на что именно смотрит система и что в вашем тексте стоит переписать своими руками.