Борьба с распознаванием AI-текстов стала похожа на гонку вооружений. Если раньше модели выдавали себя частым использованием em-dашей и словом «delve», то теперь разработчики эти ошибки исправили — но новые привычки моделей остались. Исследование Graphite показало, что убрать все следы AI-письма попросту не получается: найдено 13 тысяч фраз, которые встречаются в AI-текстах как минимум в два раза чаще, чем у людей.
Методология исследования была тщательной: взяли корпус из 10 тысяч статей, опубликованных до ChatGPT, как эталон человеческого письма, затем заставили разные модели переписать эти статьи на основе кратких резюме. Это минимизировало смещения в исходных данных. Результаты интересные: Claude Opus 5.5 вообще боготворит слово «dependable» (встречается в 23 раза чаще, чем у людей) и постоянно твердит «this matters» — целых в 116 раз чаще. OpenAI Astra любит находить «another dimension» проблемы и жалует слова вроде «may provide» или «can provide» — явный признак излишней осторожности в формулировках.
Интересно, что лабораторий услышали критику по em-дашам и отреагировали. Opus 5.5 использует этот знак на 99% реже, чем его предыдущая версия. Gemini 3.1 Pro вообще от него отказался. Но вот в чём подвох: общее количество AI-признаков не уменьшается. Просто вместо старых выскакивают новые. «У каждой версии модели есть свои особенности, и лаборатории не могут их полностью контролировать», — считает главный AI-офицер Graphite Грег Драк. И тут он прав: когда модель содержит миллиарды параметров, невозможно протестировать каждый сценарий. Что-то всегда проскочит.
Антропик при выпуске Opus 5.5 хвастался, что модель «общается более естественно» и пишет яснее. OpenAI обещала то же самое с GPT-6 версиями Sol и Luna. Но Драк скептичен: лабораториям просто не по силам полностью избавиться от таких привычек. Это не вопрос намерения — это вопрос масштаба и архитектуры моделей.
Практически говоря, эта информация пока что интересна в основном исследователям и тем, кто специализируется на детектировании AI-контента. Для рядовых пользователей разница не критична. Но это показывает, что честное заявление лабораторий о большем прогрессе в естественности текста — это маркетинг. Реально модели становятся лучше, но не волшебным образом: они просто учатся скрывать одни признаки и при этом вырабатывают новые. Со временем детекторы снова приноровятся — и цикл повторится.
Для российского бизнеса это имеет практический смысл, если вы работаете с контент-маркетингом или автоматизацией написания текстов. Инструменты вроде AI Studio могут ускорить создание базовых материалов, но полностью подменить человека они не смогут — хотя бы потому, что текст все равно будет носить характерные черты модели. Если нужен контент, который не выглядит как AI-генерация, придётся инвестировать в редактуру. Это особенно важно для брендовых материалов, где репутация зависит от подлинности голоса.