Originality AI — канадский сервис проверки текста, оценивающий генерацию ИИ и заимствования для издателей, агентств и преподавателей; показатели точности заявлены самой компанией, а её же условия запрещают использовать оценку как единственное основание для санкций.
Пользовались этим инструментом? Оцените его
Пользовались этим инструментом? Оцените его
Originality AI — веб-сервис проверки текста, которым управляет Originality AI Inc, канадская компания, зарегистрированная по адресу 64 Hurontario St в Коллингвуде, провинция Онтарио. Сервис принимает текст и возвращает два основных суждения: оценку вероятности того, что текст создан моделью ИИ, и проверку на заимствования в сравнении с уже опубликованными материалами. Вокруг них располагается набор вспомогательных проверок — грамматика, читаемость, проверка фактов, оценка качества содержания и соответствие редакционным правилам.
Компанию основал Jon Gillham после продажи созданного им же агентства контент-маркетинга, а сервис запустился в ноябре 2022 года — что примечательно, до публичного выхода ChatGPT, когда он создавался для распознавания выводов GPT-3. Именно на этом первенстве строится утверждение, что это был первый коммерчески доступный детектор ИИ.
Всё остальное в этой статье держится на одном различении, поэтому его стоит обозначить сразу. Главная страница описывает продукт как «самый точный детектор ИИ по данным сторонних исследований». При этом показатели точности, которые публикует компания, — 99 %, 99 %+, 97,8 % и доли ложных срабатываний от 0,5 % до 2,4 % — взяты из наборов данных, помеченных в её собственных таблицах как «Internal Benchmark». Это тесты, проведённые самим поставщиком на выбранных им же данных, и ни один из них не проходил независимого аудита. Между тем существующая рецензируемая литература по этой теме приходит к заметно иному выводу об инструментах детекции как о классе. Ниже изложены обе стороны, потому что читателю, решающему, стоит ли полагаться на этот инструмент, нужны обе.
Актуальны три модели, выпущенные в сентябре 2025 года, и по каждой поставщик приводит конкретное утверждение. Lite 1.0.2 заявлена с точностью 99 % на ведущих флагманских моделях — OpenAI, Gemini, Claude и DeepSeek — при доле ложных срабатываний 0,5 %. Turbo 3.0.2 заявлена с 99 %+ на тех же моделях, с точностью до 97 % на «очеловеченном» содержании и долей ложных срабатываний 1,5 %. Academic 0.0.5 заявлена с 99 %+ при менее чем 1 % ложных срабатываний, ориентирована на академические материалы, включая ответы по точным наукам, код и формулы, и до 92 % точности против инструментов очеловечивания и обхода.
Именно на этих цифрах держится маркетинг, и их стоит читать рядом с источником, который для них указывает сам поставщик. Опубликованная таблица приводит Lite 1.0.2 с долей истинно положительных 98,91 %, ложноположительных 0,52 % и ложноотрицательных 1,09 % — на наборе данных, который в заголовке столбца у самого поставщика назван «Internal Benchmark: Recently Released Models».
Введённая в июне 2026 года функция AI Allowance отходит от двоичного вопроса, который до сих пор задавал каждый детектор. Вместо «ИИ это или нет» вы задаёте, какую долю участия ИИ готовы принять — 0 %, 5 %, 15 %, 25 % или 40 % — и инструмент оценивает относительно этого порога. Поставщик заявляет 99 %+ точности при настройке по умолчанию в 15 %.
Концептуально это самое интересное в продукте, поскольку признаётся то, что двоичная рамка скрывает: большинство реальных текстов 2026 года находятся на континууме между полностью человеческим и полностью машинным, а редакционную политику обычно волнует степень, а не сам факт. Выдерживает ли базовое измерение это более тонкое различение, снова подтверждается только внутренними тестами.
Модель Multilingual 2.0.0, выпущенная в мае 2025 года, охватывает 30 языков с заявленной общей точностью 97,8 %, снижением ложноотрицательных до 1,99 % и долей ложных срабатываний 2,4 %.
Последняя цифра заслуживает внимания, потому что это собственное раскрытие поставщика о том, что детекция вне английского измеримо слабее: 2,4 % ложных срабатываний против 0,5 % у Lite и менее 1 % у Academic. Всякий, кто оценивает текст на языке, отличном от английского, работает — по цифрам самой компании — примерно с двух-пятикратной долей ложных срабатываний относительно английских моделей.
Детекция заимствований — равноправная продуктовая линия, а не дополнение: среди заявленных мотивов основателя было создание современного инструмента проверки заимствований с историей проверок, результатами, которыми можно делиться, и командным доступом. Вокруг этих двух опор расположены проверка фактов, грамматики, читаемости, оценка качества содержания и проверка соответствия правилам, плюс Bulk Scan для объёмов и сканирование целых сайтов по URL.
Расширение для Chrome запускает проверки прямо в Google Docs и умеет воспроизводить процесс письма — показывая, как документ складывался во времени, а не оценивая только готовый текст. Это принципиально иной род доказательства, чем оценка детектора: доказательство процесса, а не статистический вывод, и подделать его существенно труднее. Для преподавателя, который выясняет, писал ли студент сам, воспроизведение, показывающее органичную работу над черновиком, информативнее любого процента.
По части прозрачности компания сделала больше большинства конкурентов: в августе 2023 года она выпустила открытый эталонный набор данных и открытые инструменты для проверки эффективности. В категории, где большинство поставщиков не публикуют ничего, это подлинный и нечастый шаг.
Его следует взвешивать вместе с двумя встречными фактами. Показатели точности нынешних флагманских моделей по-прежнему берутся из внутренних тестов, а не из того открытого набора, а условия использования запрещают обратную разработку, декомпиляцию и попытки вывести модели, веса, промпты или непубличные эталоны — то есть сторонние лица не могут независимо проверить, как действующая система приходит к своим выводам.
Тариф Enterprise прямо позиционируется для агентств и издателей, и именно здесь ограничения инструмента весят меньше всего. Когда редактор проверяет, сдал ли внештатный автор то, что заказывали, оценка детектора — это входные данные для разговора, а не приговор с последствиями. Пакетное и сплошное сканирование сайта делают это применимым в объёме.
AI Allowance подходит организациям, которые действительно написали политику — «помощь ИИ допустима для поиска материала и плана, но текст должен быть ваш» — а не ввели сплошной запрет. Задать порог, соответствующий политике, честнее, чем делать вид, будто двоичный детектор способен обеспечить соблюдение нюансированного правила.
Модель Academic, плагин для Moodle и положения о данных учащихся показывают, что этот сегмент обслуживается намеренно. Но здесь же собственные условия инструмента накладывают самые жёсткие ограничения, разобранные ниже. Как один сигнал среди нескольких — вместе с воспроизведением процесса письма, историей черновиков или разговором со студентом — он может быть полезен. Как решающий фактор он нарушает политику допустимого использования самого поставщика.
У всякого, кто заказывает тексты, оценивает гостевую публикацию или пытается понять, настоящие ли отзывы о товаре, есть законная потребность, и последствия ложного срабатывания здесь соразмерны: вы отклоняете материал, а не наказываете человека.
Часто упускаемое применение: те, кто пишет в формальном, выстроенном регистре — а это описывает очень многих неносителей английского, технических писателей и учёных — могут заранее проверить, велика ли вероятность, что их текст пометят, и понять, что, возможно, придётся объясняться. Это защитное применение инструмента, о котором его критики упоминают редко.
Без учётной записи доступны три проверки в день объёмом до 2 000 слов. Используйте их на текстах, происхождение которых вы точно знаете: на чём-то написанном вами и на чём-то заведомо машинном — чтобы откалибровать ожидания прежде, чем платить.
Учитывайте компромисс: текст, введённый в бесплатный детектор, может использоваться для обучения. Чтобы отказаться, нужна платная учётная запись. Не вставляйте в бесплатный инструмент конфиденциальные или клиентские материалы.
Lite, Turbo и Academic невзаимозаменяемы. Academic создана для ответов по точным наукам, кода и формул и сообщает самую низкую долю ложных срабатываний. Turbo — более устойчивый вариант против инструментов очеловечивания. Если текст не на английском, применяется многоязычная модель с более высокой долей в 2,4 %.
Если вы пользуетесь AI Allowance, выставьте процент в соответствии с политикой, которую вы действительно записали. Выбор 0 % потому, что это выглядит строго, при том что реальная политика допускает поиск материала с помощью ИИ, породит поток пометок, которые вы затем начнёте игнорировать, — а это приучит вас не доверять инструменту вовсе.
Именно на этом шаге решается, ответственно ли вы используете инструмент. Высокая оценка ИИ означает, что текст обладает статистическими свойствами, похожими на машинную генерацию. Она не устанавливает, как текст был создан. Формальный регистр, простая лексика, сильно отредактированная проза и обороты неносителя — всё это поднимает оценку по причинам, не связанным с использованием ИИ.
Если результат может кого-то затронуть, соберите другие сигналы: историю версий, воспроизведение процесса письма, более ранний образец текста для сравнения или разговор. Это не моя личная осторожность — это то, чего требуют от вас условия поставщика, как показано ниже.
Один кредит равен 100 словам. Подписочные кредиты сгорают в конце каждого месяца и не переносятся; отдельно купленные кредиты по факту использования действуют два года. При неравномерной нагрузке путь оплаты по факту избавляет от ежемесячной платы за ёмкость, которая теряется.
Enterprise даёт 365 дней истории проверок; Pro не указывает сопоставимого срока хранения. Если результаты детекции когда-либо будут участвовать в решениях о людях, одна лишь возможность вернуться к тому, что и когда проверялось, оправдывает разницу в тарифе.
Раздел 9 условий использования запрещает применять вывод как единственное основание для значимых решений и запрещает наказывать студента, работника, подрядчика, автора или соискателя исключительно на основании оценки детекции или заимствований. Если вы проектируете институциональный процесс, этот пункт должен задавать его форму. То, что поставщик это записал, необычно и заслуживает признания; одновременно это обязывает вас как пользователя.
Перед внедрением в масштабе прогоните набор текстов, о которых вы точно знаете, что их написали люди из той же совокупности, которую вы будете оценивать, — та же тематика, тот же языковой фон, тот же регистр. Эталон поставщика ничего не говорит о вашем конкретном корпусе, и это единственный способ узнать, какова ваша собственная доля ложных срабатываний.
Собственные цифры поставщика ставят многоязычные ложные срабатывания на 2,4 % против 0,5 % у английской модели Lite. Если вы оцениваете переводные или неанглоязычные тексты, соответственно снизьте уверенность.
Во всех опубликованных описаниях работы таких систем надёжность детекции растёт с длиной, включая замечание самой OpenAI о том, что её классификатор был ненадёжен на текстах короче 1 000 знаков. Пометка на одном абзаце практически лишена смысла.
Если вы можете получить доказательство процесса, оно сильнее оценки. Воспроизведение, показывающее, как документ создавался, правился и перестраивался часами, — это положительное свидетельство человеческого авторства, какого не даст ни один процент.
Введённое в бесплатном тарифе может использоваться для обучения, и отказаться могут только платные учётные записи. Клиентские работы, неопубликованные рукописи и работы учащихся с персональными данными место имеют, если вообще, только в платной учётной записи.
Проверенные рецензенты сообщают, что путь отписки трудно довести до конца. Как бы вы к этому ни относились, практический ответ один: отменять задолго до даты продления, получать письменное подтверждение и проверять следующий расчётный цикл.
Издатели, агентства и площадки контента подходят лучше всего, поскольку решения, которые инструмент подпитывает, коммерческие, а не персональные — принять работу или отклонить, — а пакетное и сплошное сканирование сайта соответствует их способу работы.
Редакционные команды с записанной политикой по ИИ получают реальную пользу именно от AI Allowance, так как инструмент с порогом ложится на политику с порогом так, как двоичный детектор не смог бы никогда.
Преподаватели и учреждения обслуживаются намеренно — модель Academic, плагин Moodle, защита данных учащихся, — но им следует полностью прочесть раздел об ограничениях, прежде чем строить вокруг этого какой-либо процесс, и относиться к собственному запрету поставщика на решения «только по этому основанию» как к проектному ограничению, а не как к мелкому шрифту.
Авторы, проверяющие собственные тексты, особенно те, кто пишет в формальном регистре или на английском как дополнительном языке, имеют по-настоящему защитное применение.
Кому стоит посмотреть в другую сторону: тем, кто ищет доказательство, а не вероятность, — здесь его нет, как нет и ни в одном конкурирующем продукте, потому что лежащая в основе задача сейчас доказательства не допускает. Учреждения, желающие автоматизировать решения об академических нарушениях, прямо выходят за рамки того, что разрешает поставщик. Тем, кто оценивает преимущественно неанглоязычные тексты, стоит тщательно взвесить более высокую заявленную долю ложных срабатываний. А тот, кто не может допустить небольшой доли неверных ответов с реальными последствиями, вообще не должен пользоваться автоматической детекцией.
Originality AI поставляется как веб-приложение с панелью управления и достигает других сред через расширение для Chrome (запускает проверки в Google Docs и даёт воспроизведение процесса письма), плагин Moodle для учебных заведений, API для программного использования и корпоративные интеграции. Загрузка файлов принимает docx, doc и PDF, помимо вставленного или набранного текста, а сканирование сайта принимает URL.
Доступ к API относится к тарифу Enterprise, а не к Pro. Бесплатные инструменты — проверка ИИ, проверка фактов, проверка заимствований, проверка читаемости и грамматики — представлены отдельными страницами на сайте.
Опубликованы два подписочных тарифа, оба в долларах США, с дисконтом при годовой оплате относительно ежемесячной.
Pro стоит 12,95 $ в месяц при годовой оплате (155,40 $ в год) или 14,95 $ в месяц при помесячной, ориентирован на частных лиц и небольшие команды. Включает 2 000 кредитов в месяц, где один кредит равен 100 словам, — примерно 200 000 слов проверки ежемесячно. Входят стандартная поддержка, загрузка файлов, сканирование целых сайтов, управление командой, тегирование проверок и расширение для Chrome. Дополнительные места стоят 9,95 $ в месяц или 8,62 $ при годовой оплате.
Enterprise стоит 136,58 $ в месяц при годовой оплате (1 638,96 $ в год) или 179 $ в месяц при помесячной, ориентирован на агентства и издателей. Включает 15 000 кредитов в месяц, выделенного менеджера по работе с клиентом, приоритетную поддержку с типичным решением менее чем за час, 365 дней истории проверок и доступ к API. Дополнительные места стоят 24,95 $ в месяц или 19,04 $ при годовой оплате.
Бесплатный доступ существует без учётной записи: три проверки в день объёмом до 2 000 слов. Отправленный так текст может использоваться для обучения, и отказаться могут только платные учётные записи.
Две механики кредитов важнее заявленной цены. Подписочные кредиты сгорают в конце каждого месяца, если не израсходованы, — они не накапливаются. Кредиты по факту использования, купленные разовым платежом, действуют два года с момента покупки. Если ваша нагрузка сезонная или проектная, путь оплаты по факту избавляет от ежемесячной платы за испаряющуюся ёмкость.
О возвратах условия говорят прямо: отмена останавливает будущие продления, но не возвращает автоматически прежние списания; уплаченные суммы не подлежат возврату, если иное не предусмотрено законом или формой заказа; израсходованные услуги — выполненные проверки, проверки заимствований, вызовы API — возврату не подлежат. При этом условия сохраняют обязательные потребительские права, от которых нельзя отказаться.
GPTZero — самый прямой конкурент в образовательном сегменте, публикует собственные заявления о точности с той же принципиальной оговоркой: тестирование ведёт сам поставщик. Сравнить оба на вашем собственном корпусе с известным происхождением информативнее, чем сравнивать их маркетинг.
Turnitin обладает институциональным весом благодаря сложившимся связям с системами управления обучением и давней инфраструктуре проверки заимствований; в университетах путь интеграции и процедура закупки нередко решают вопрос раньше, чем точность. Это также одна из двух коммерческих систем, включённых в упомянутое ниже исследование Weber-Wulff.
Copyleaks конкурирует и в детекции ИИ, и в заимствованиях с особым упором на многоязычный охват, что может иметь значение, если ваш корпус преимущественно неанглоязычный — с учётом более высоких заявленных долей ложных срабатываний в этой среде.
Winston AI и другие относительно новые участники конкурируют ценой и конкретными заявлениями о распознавании выводов инструментов очеловечивания. Та же доказательная осторожность применима ко всем ним в равной мере.
Обойтись без автоматической детекции заслуживает упоминания как реальный вариант. Доказательства процесса — история черновиков, контроль версий, устная защита, письмо в аудитории — дают выводы, которые действительно можно отстоять, и ряд учреждений сознательно двинулся в эту сторону. Это трудозатратнее и плохо масштабируется, зато не несёт доли ложных срабатываний.
Честная сводка: в категории, чьи ключевые заявления структурно трудно проверить, Originality AI относится к более прозрачным поставщикам. Он публикует историю выпуска моделей, выпускал открытый эталонный инструментарий и записывает явные ограничения на использование в собственные условия. Ничто из этого не решает главного вопроса — достаточно ли точен хоть какой-нибудь детектор для применения с последствиями, — а независимая литература склоняется к тому, что категория в целом недостаточно точна.
Это центральная оговорка, и она применима без исключений. 99 %, 99 %+, 97,8 % и доли ложных срабатываний от 0,5 % до 2,4 % получены собственным тестированием компании на наборах данных, помеченных в её таблицах как «Internal Benchmark». Ни один независимый аудитор их не проверял. Это не обвинение в недобросовестности — это описание доказательного статуса этих чисел и нормальное положение дел во всей категории.
Связанное с этим утверждение тоже требует точности. Главная страница описывает продукт как «самый точный детектор ИИ по данным сторонних исследований». В собственной статье компании о точности есть подзаголовок, обещающий обзор сторонних исследований, но содержательные данные о точности на этой странице происходят из внутренних тестов. Читатель, ищущий сторонние исследования, которые подтвердили бы формулировку с главной страницы, соответствующих ссылок там не найдёт.
Наиболее весомая независимая оценка — работа Weber-Wulff и соавторов «Testing of detection tools for AI-generated text», опубликованная в International Journal for Educational Integrity (т. 19, ст. 26, 2023). В ней протестированы 12 общедоступных инструментов детекции и две коммерческие системы; вывод состоит в том, что доступные инструменты детекции «ни точны, ни надёжны», со значимым смещением в сторону ошибочной классификации ИИ-содержания как написанного человеком. Кроме того, установлено, что приёмы обфускации существенно ухудшают работу инструментов, и авторы подчеркнули серьёзные последствия применения таких систем в академической среде.
Это исследование не было направлено против Originality AI отдельно, а протестированные модели предшествуют нынешнему поколению. Но это самое близкое к независимой оценке категории, что существует, и его вывод трудно примирить с заявлением о 99 % у любого поставщика.
Liang, Yuksekgonul, Mao, Wu и Zou из Стэнфорда опубликовали работу «GPT detectors are biased against non-native English writers» (arXiv 2304.02819, подана в апреле 2023 года, финальная версия в июле 2023-го). Их вывод: детекторы устойчиво относят тексты неносителей английского к сгенерированным ИИ, точно классифицируя при этом тексты носителей. Они также показали, что простое переформулирование через промпт способно и уменьшить это смещение, и обойти детекцию — результат, подрывающий надёжность детекции сразу с двух сторон.
Originality AI ответила публично, статьёй под заголовком «Ответ на порочное стэнфордское исследование». Ответ оспаривает методологию. Показательно, что при этом он воспроизводит ключевые цифры исследования, не оспаривая их: детекторы ошибочно пометили более половины эссе TOEFL как сгенерированные ИИ при средней доле ложных срабатываний 61,3 %.
Читателю стоит сделать собственный вывод из этого обмена. Не оспаривается то, что риск ошибочной классификации текстов неносителей — задокументированная и опубликованная проблема, существование которой признают обе стороны.
Самое ясное указание на сложность задачи исходит от компании, которая создаёт сами обнаруживаемые модели. На странице классификатора OpenAI есть примечание: «С 20 июля 2023 года классификатор ИИ более недоступен из-за низкой точности». Опубликованные показатели: он «правильно определяет 26 % написанного ИИ текста (истинно положительные) как „вероятно, написано ИИ", ошибочно помечая написанный человеком текст как созданный ИИ в 9 % случаев».
Это не оценка конкретных моделей Originality AI, которые заявляют куда лучшие цифры. Это контекст того, какого скепсиса заслужила эта категория.
Для всех, кто работает в образовании или в кадровой сфере, это самое важное в статье, и исходит оно от самой компании. Раздел 9 условий использования запрещает пользователям применять вывод «в качестве единственного основания для решений, способных повлечь правовые, академические, трудовые, жилищные, страховые, кредитные, дисциплинарные, репутационные, медицинские или сопоставимо значимые последствия для человека», и особо запрещает «обвинять, привлекать к дисциплине, наказывать, увольнять, ставить неудовлетворительную оценку, доносить или иным образом существенно ущемлять студента, работника, подрядчика, автора, соискателя или иное лицо исключительно на основании результата детекции ИИ или оценки заимствований». Раздел 8 требует «использовать человеческую проверку и надлежащую процедуру до принятия любых мер, способных существенно затронуть человека».
Прочитанное прямо: поставщик рекламирует самый точный доступный детектор и одновременно запрещает считать его вывод достаточным основанием, чтобы не аттестовать студента или уволить сотрудника. Обе позиции защитимы, и удерживать их вместе честнее, чем удаётся большинству конкурентов. Но учреждение, внедряющее этот инструмент для автоматизации выводов о нарушениях, нарушает условия, с которыми оно согласилось.
Даже принимая цифры компании за чистую монету, арифметика остаётся значимой. При заявленной доле ложных срабатываний модели Academic менее 1 % проверка тысячи действительно написанных людьми работ всё равно может пометить около десяти. При 2,4 % у многоязычной модели абсолютное число ещё выше. Проценты, выглядящие успокаивающе в маркетинге, описывают существенное число конкретных людей, когда применяются ко всему потоку.
Профиль Trustpilot показывает 4,6 при 1 294 отзывах — крупная выборка — с распределением 80 % пятизвёздочных, 6 % четырёхзвёздочных, 1 % трёхзвёздочных, 1 % двухзвёздочных и 12 % однозвёздочных.
Две оговорки. Профиль подтверждён поставщиком с сентября 2023 года, Trustpilot отмечает, что компания активно приглашает оставлять отзывы, а поставщик ответил на 89 % отрицательных — всё это создаёт отбор в положительную сторону. Существеннее другое: чтение недавних положительных отзывов показывает, что они плотно сосредоточены на клиентской поддержке, где раз за разом поимённо называют сотрудников, а не на точности детекции. Оценку 4,6 лучше читать как сигнал об отзывчивости компании, а не как подтверждение пользователями правильности детектора.
С отрицательной стороны повторяется конкретная жалоба на отмену подписки. Проверенный рецензент описывает ссылку на отписку как «крайне мелкую, хорошо спрятанную и шрифтом почти полностью прозрачным», далее следуют около восьми удерживающих предложений, и указывает, что выбор оставить отзыв делал завершение отмены буквально невозможным, а учётная запись переводилась в состояние паузы.
Подписочные кредиты не переносятся — неизрасходованная ёмкость исчезает в конце месяца. Отмена останавливает будущие продления, но не возвращает прежние списания, а израсходованные проверки и вызовы API возврату не подлежат. При неравномерной нагрузке вариант оплаты по факту со сроком два года структурно подходит лучше.
Условия запрещают обратную разработку, декомпиляцию и попытки вывести исходный код, алгоритмы, веса модели, промпты, устройство системы или непубличные эталоны. Это стандартная коммерческая защита, но в сочетании с внутренне полученными показателями точности это означает, что ключевые заявления продукта по построению непроверяемы извне.
Собственная история моделей поставщика показывает, что точность на самом трудном тестовом наборе за один выпуск выросла с 90,2 % до 98,8 %, тогда как ложные срабатывания на том же шаге улучшились лишь незначительно — с 2,9 % до 2,8 %. Эта траектория отражает движущуюся мишень: инструменты очеловечивания и обхода развиваются параллельно детекторам, и опубликованная сегодня цифра описывает работу против тех приёмов уклонения, которые существовали в момент проведения теста.
Компания заявляет 99 % и выше для нынешних английских моделей при доле ложных срабатываний от 0,5 % до менее 1 %, и 97,8 % в целом для многоязычной модели на 30 языков при 2,4 % ложных срабатываний. Все эти цифры получены собственным тестированием компании на наборах данных с пометкой «Internal Benchmark», и ни одна не проходила независимого аудита. Независимые рецензируемые работы об инструментах детекции как о категории — прежде всего Weber-Wulff и соавторы, 2023 — пришли к выводу, что доступные инструменты «ни точны, ни надёжны». Считайте цифры поставщика заявлениями, а не измерениями.
Да, и поставщик прямо раскрывает соответствующие доли. Важнее то, что опубликованные исследования фиксируют неравномерность этого риска: стэнфордская работа обнаружила, что детекторы относят тексты неносителей английского к сгенерированным ИИ значительно чаще, чем тексты носителей, со средней долей ложных срабатываний 61,3 % на эссе TOEFL. Originality AI оспаривает методологию этой работы, воспроизводя при этом её цифры. Формальный регистр, простая лексика и обильная правка поднимают оценку по причинам, не связанным с ИИ.
Только на его основании — нет, и это правило самого поставщика, а не просто совет. Условия использования запрещают применять вывод как единственное основание для решений с академическими, трудовыми или дисциплинарными последствиями и особо запрещают наказывать студента, работника, подрядчика, автора или соискателя исключительно на основании оценки детекции или заимствований. Условия также требуют человеческой проверки и надлежащей процедуры до любых мер, способных существенно затронуть человека.
Pro — 12,95 $ в месяц при годовой оплате или 14,95 $ помесячно, с 2 000 кредитов в месяц. Enterprise — 136,58 $ в месяц при годовой оплате или 179 $ помесячно, с 15 000 кредитов, доступом к API, 365 днями истории проверок и приоритетной поддержкой. Один кредит равен 100 словам. Дополнительные места оплачиваются отдельно в обоих тарифах. Есть бесплатный доступ: три проверки в день до 2 000 слов, без учётной записи.
Есть — три проверки в день объёмом до 2 000 слов, учётная запись не нужна. Подвох в том, что текст, введённый в бесплатный детектор, может использоваться для обучения, и отказаться могут только платные учётные записи. Не используйте его для конфиденциальных или клиентских материалов.
Для подписок — нет. Подписочные кредиты сгорают в конце каждого месяца, если не израсходованы. Купленные отдельно кредиты по факту использования истекают через два года с даты покупки, что лучше подходит нерегулярной нагрузке.
Да, через многоязычную модель, охватывающую 30 языков, с заявленной поставщиком общей точностью 97,8 %. Учтите, что то же раскрытие ставит её долю ложных срабатываний на 2,4 % против 0,5 % у английской модели Lite — ощутимо выше по цифрам самого поставщика.
Поставщик заявляет, что Turbo 3.0.2 распознаёт очеловеченное содержание с точностью до 97 %, а Academic 0.0.5 устойчив к инструментам очеловечивания и обхода с точностью до 92 %. Это внутренние цифры. Поскольку детекция и уклонение развиваются вместе, любое такое число описывает работу против тех приёмов обхода, что были доступны на момент теста.
Распределение на Trustpilot — 4,6 при 1 294 отзывах, 80 % пятизвёздочных и 12 % однозвёздочных. Положительные отзывы сосредоточены на клиентской поддержке, а не на точности детекции. Повторяющаяся отрицательная тема — сложность отмены подписки: проверенный рецензент описывает почти невидимую ссылку отписки, около восьми удерживающих предложений и невозможность завершить отмену после выбора оставить отзыв.
Нет, как и любой конкурент. Оценка детекции — это статистическая вероятность, а не свидетельство того, как был создан текст. Самое доказательное, что предлагает продукт, — не оценка, а воспроизведение процесса письма в расширении для Chrome, которое фиксирует, как документ создавался в действительности. Доказательство процесса такого рода намного сильнее любого процента — и именно в эту сторону движется наиболее защитимая практика академической добросовестности.
