Recensione del rilevatore AI di Pangram (2026): accuratezza e falsi positivi

Pangram è un rilevatore di AI di Pangram Labs e l'azienda dichiara un'accuratezza superiore al 99%. Dichiara anche di segnalare erroneamente circa 1 testo umano su 10.000. Pangram rimanda a studi esterni dell'Università di Chicago e dell'Università del Maryland che, secondo l'azienda, hanno trovato risultati simili.

Di seguito analizziamo i numeri di accuratezza e falsi positivi di Pangram e ciò che hanno trovato studi indipendenti. Poi vediamo come Pangram rileva testi generati da AI, come si confronta con GPTZero, Copyleaks e Turnitin, e prezzi e supporto linguistico.

Cosa fa Pangram

Pangram è uno strumento di rilevamento dell'AI pensato per scuole, case editrici, studi legali e altre organizzazioni che devono distinguere tra scrittura umana e scrittura con AI. Incolli un testo o carichi un file. Pangram restituisce una previsione di Umano, AI-Generated o AI-Assisted, oltre a un punteggio su quanta parte del documento rientra in ciascuna etichetta.

Pangram Labs è nata a Brooklyn, New York, nel 2023. I suoi fondatori hanno lavorato alla ricerca sull'AI presso Tesla e Google prima di avviare l'azienda. La gamma di prodotti include ora un correttore antiplagio abbinato al rilevatore AI, un rilevatore di immagini generate da AI e un'estensione per browser. Integra anche Gmail, Google Docs e sistemi di gestione dell'apprendimento come Canvas, Moodle, Google Classroom e Brightspace. È disponibile anche un'API per gli sviluppatori che desiderano integrare il rilevamento AI nelle proprie app.

L'ultimo modello di Pangram, Pangram 4, richiede almeno 50 parole di input e funziona al meglio su frasi complete. Risposte brevi e punti elenco gli offrono meno su cui lavorare. Ogni risultato include un livello di confidenza Alto, Medio o Basso per ciascun segmento, insieme a sezioni evidenziate che indicano quali frasi il modello etichetta come AI-Generated, AI-Assisted o Umano.

Un'etichetta AI-Assisted significa che Pangram ritiene che l'AI abbia modificato o rifinito una scrittura iniziata da una persona. Se per parti del tuo testo hai usato uno strumento di grammatica o un riscrittore AI, questa etichetta può comparire anche quando le idee e la struttura sono tue. Controlla cosa consente la tua scuola o il tuo datore di lavoro per gli strumenti di modifica con AI prima di considerare l'etichetta un problema.

Cosa afferma Pangram sulla propria accuratezza

La sezione FAQ di Pangram indica che il rilevatore è oltre il 99% accurato, con un tasso di falso positivo di circa 1 su 10.000. L'azienda afferma che questo valore viene calcolato su dataset pubblici che contengono decine di milioni di documenti. Pangram confronta anche il proprio modello con 26 sistemi di AI e riporta un'accuratezza del 99,7% su quei campioni generati dall'AI come gruppo, rifacendo le verifiche dopo ogni importante rilascio di modello.

Pangram pubblica anche le cifre di accuratezza per i singoli modelli:

Questi sono dati propri di Pangram, misurati sui suoi set di test. La scheda del modello Pangram 4 scompone ulteriormente i risultati. Su 519.993 campioni in inglese generati da AI di 26 modelli, Pangram 4 ha mancato lo 0,34% di essi, vicino alla cifra principale del 99,7%. La scheda del modello riporta anche un tasso di errore del 1,24% su un set multilingue che copre 18 lingue, quindi Pangram rileva il testo generato da AI in modo leggermente meno affidabile al di fuori dell’inglese.

Tasso di falsi positivi di Pangram, per dominio e lingua

La sezione FAQ di Pangram fornisce un unico tasso complessivo di falsi positivi di 1 su 10.000. La scheda del modello Pangram 4 riporta un numero più specifico. Su 1.000.000 documenti in inglese del dataset FineWeb, Pangram 4 ha avuto 41 falsi positivi, ovvero lo 0,0041%, vicino a 1 su 24.000. Su un set multilingue di 996.273 documenti distribuiti su 104 lingue, ha avuto 14 falsi positivi, ovvero lo 0,0014%.

Il tasso cambia in base al dominio. La scheda del modello di Pangram elenca questi tassi di falsi positivi:

Per la scrittura accademica in inglese, la scheda del modello di Pangram riporta un tasso di falsi positivi dello 0,019%, ovvero circa 1 su 5.000 documenti. È più alto della cifra complessiva e quello è il dato che conta maggiormente per studenti e ricercatori. La prosa accademica formale segue schemi definiti e i testi più formulaici sono dove i dati di Pangram mostrano più falsi positivi.

Il blog di Pangram sui falsi positivi afferma che il tasso aumenta su testi brevi, non scritti con frasi complete, o altamente formulaici, come ricette e poesia. Dice che il tasso resta basso su prosa lunga e originale, come saggi, recensioni e report, perché questo tipo di scrittura offre al modello più materiale su cui lavorare.

Anche la lingua influisce sul tasso. La scheda del modello di Pangram elenca il supporto ufficiale per 24 lingue: sono Inglese, Spagnolo, Francese, Portoghese, Arabo, Cinese, Giapponese, Coreano, Russo, Turco, Ungherese, Tedesco, Olandese, Svedese, Rumeno, Ucraino, Polacco, Italiano, Ceco, Greco, Hindi, Persiano, Urdu e Vietnamita. Il tasso misurato di falsi positivi varia dallo 0,0000% su lingue come Arabo, Cinese e Giapponese fino allo 0,0078% su Portoghese e allo 0,0361% su Ucraino. Tutti questi valori restano comunque ben al di sotto di 1 su 1.000. Pangram afferma anche di poter generalizzare a lingue esterne a tale elenco e invita a richiedere la valutazione di una nuova lingua.

Pangram pubblica anche confronti con altri rilevatori. Nelle recensioni dei prodotti, su dati di ricerca dell’Università di Chicago, riporta tassi di falsi positivi dello 0,5% per sé, dell’1,7% per Originality.ai e del 2,4% per GPTZero. Questi sono i numeri di Pangram, ricavati dal suo stesso blog.

Studi esterni che Pangram cita

Uno studio dell’2025 dell’Università di Chicago Booth ha rilevato che i principali rilevatori di AI segnalavano più del 90% dei testi AI non modificati. La maggior parte di essi ne segnalava meno della metà una volta che il testo passava attraverso un humanizer. Pangram era uno dei quattro rilevatori testati, insieme a GPTZero, Originality.ai e al rilevatore open-source RoBERTa. Pangram afferma di essere stato l’unico a mantenere il proprio tasso di falsi positivi sotto lo 0,5%, continuando comunque a rilevare i testi generati da AI.

Pangram cita anche uno studio di giugno 2026 della Vrije Universiteit Brussel. Ha testato Pangram, GPTZero, Turnitin e Copyleaks su 160 articoli accademici di parlanti non nativi di inglese, divisi tra testo scritto da umani, generato da AI, ibrido e humanizzato. Pangram afferma che nessuno dei quattro strumenti ha segnalato gli articoli scritti dagli umani in quello studio.

Uno studio del 2025: Pangram a confronto con lettori umani esperti

Un lavoro di ricerca 2025 di Jenna Russell, Marzena Karpinska e Mohit Iyyer è stato pubblicato ad ACL 2025. Ha testato se le persone che usano spesso strumenti di scrittura basati sull’IA riescono a rilevare il testo generato dall’IA con la stessa efficacia dei rilevatori automatici. Cinque annotatori che hanno detto di usare frequentemente LLM per la propria scrittura hanno letto 300 articoli in inglese di saggistica. Il set mescolava testo scritto da esseri umani con testo prodotto da GPT-4o, Claude e o1-Pro, includendo anche alcuni articoli passati tramite un humanizer. La votazione a maggioranza di questi cinque annotatori ha classificato erroneamente soltanto 1 dei 300 articoli.

Lo studio ha confrontato quel panel con cinque rilevatori automatici: Pangram, GPTZero, Binoculars, Fast-DetectGPT e RADAR. I ricercatori hanno eseguito due modelli di Pangram, il rilevatore di base e un modello separato chiamato Pangram Humanizers, addestrato per individuare il testo passato tramite un humanizer. Pangram Humanizers è stato l’unico rilevatore a eguagliare il panel di esperti, con un tasso medio di veri positivi del 99,3% e un tasso medio di falsi positivi del 2,7% su tutto il set di test. Il modello di base di Pangram ha raggiunto un tasso medio di veri positivi del 98,0% con un tasso medio di falsi positivi del 2% nello stesso test.

Un tasso di falsi positivi del 2,7% è più alto del valore 1 su 10.000 che Pangram riporta dalle sue valutazioni. Questo test ha usato un insieme di articoli molto più piccolo, 300 invece dei milioni che Pangram cita altrove. Lo studio ha anche valutato Pangram usando soltanto le sue etichette Human e AI-Generated, senza attribuirle il merito per la sua etichetta neutra "Possibly AI". Pangram e GPTZero hanno entrambi fornito ai ricercatori crediti API per eseguire il test.

Come Pangram rileva la scrittura generata dall’IA

Pangram afferma di non usare la perplessità o la burstiness, i due segnali su cui fanno affidamento i rilevatori di AI più vecchi. La perplessità misura quanto ogni parola sia prevedibile per un modello linguistico, mentre la burstiness misura quanto questa prevedibilità cambi all’interno di un documento. Spieghiamo entrambe nella nostra analisi dedicata a perplessità nel rilevamento dell’IA.

Pangram sostiene che i rilevatori basati sulla perplessità vanno in errore con qualsiasi testo che un modello abbia memorizzato durante l’addestramento, inclusa la Dichiarazione di Indipendenza e gran parte di Wikipedia. I modelli imparano a prevedere il testo memorizzato con una perplessità molto bassa, indipendentemente da chi lo abbia scritto. Pangram afferma inoltre che i metodi basati sulla perplessità hanno un tasso di falsi positivi più alto nella scrittura in inglese non madrelingua, perché strutture di frase più semplici risultano anche più prevedibili. Trattiamo lo stesso schema di falsi positivi per chi scrive in inglese non madrelingua in un articolo che esamina altri rilevatori.

Al contrario, Pangram addestra un modello di deep learning direttamente su grandi insiemi di testo scritto da esseri umani e testo generato dall’IA. Usa un metodo che chiama hard negative mining per trovare scrittura umana che, per caso, assomiglia all’output dell’IA. Pangram elabora documenti completi a livello di token. Etichetta ogni segmento come Human, AI-Assisted oppure AI-Generated, con un punteggio continuo che indica quanto il segmento sembri scritto dall’IA. Pangram afferma che il modello migliora man mano che viene addestrato con più dati.

Pangram vs GPTZero, Copyleaks e Turnitin

Pangram, GPTZero e Copyleaks sono accessibili a chiunque si iscriva. Turnitin funziona solo tramite un account di una scuola o di un editore, e una persona che sostiene un test in genere vede un punteggio Turnitin soltanto se l’insegnante lo inoltra.

Abbiamo trattato separatamente ciascuno di questi rilevatori: vedi Pangram è accurato, Copyleaks rileva l’AI e Turnitin può rilevare testo AI umanizzato. Le percentuali di falsi positivi nella tabella sono affermazioni proprie di ciascuna azienda, come indicano Pangram e gli altri fornitori.

Pangram è un rilevatore autonomo. Grammarly e Scribbr offrono il rilevamento dell’AI come parte dei loro strumenti di scrittura, e abbiamo analizzato separatamente il rilevatore AI di Grammarly e il rilevatore AI di Scribbr.

Prezzi e limiti del piano gratuito

Il piano Free di Pangram non richiede alcun metodo di pagamento. Include 2.000 parole di scansione del testo al giorno e 3 scansioni di rilevamento immagini al giorno. Include anche caricamento file con OCR, estensione del browser, integrazione con Google Docs e accesso API, in più di 20 lingue.

Il piano Individual include una prova gratuita di 7 giorni prima che inizi l’addebito mensile di US$20 e che la fatturazione annuale faccia risparmiare US$60 all’anno rispetto al prezzo mensile. Il piano Professional viene fatturato US$65 subito invece che tramite una prova e consente di risparmiare US$240 all’anno se fatturato annualmente. Pangram indica inoltre prezzi separati per il segmento Business per i team, mostrati dopo aver selezionato la scheda Business nella pagina prezzi.

Chi usa Pangram

Scuole e università rappresentano la principale base clienti di Pangram. Le sue integrazioni LMS si collegano direttamente a Canvas, Moodle, Google Classroom e Brightspace. Un insegnante può vedere un risultato di Pangram accanto alla consegna di uno studente senza uscire dalla piattaforma che usa già per correggere.

Editori, studi legali e team di HR usano Pangram per ragioni diverse: controllare manoscritti inviati, rivedere documenti in un caso oppure vagliare i materiali dei candidati. L’API consente a qualsiasi di queste organizzazioni di integrare il rilevamento di Pangram nei propri strumenti interni. Le integrazioni Gmail e Google Docs permettono a una sola persona di controllare il testo senza uscire dalla propria casella di posta o dal documento.

Per uno studente, di solito significa che un punteggio di Pangram compare nello stesso pannello di controllo che il docente usa già per voti e feedback. Non è un report separato che devi richiedere tu. Se la tua scuola usa Pangram tramite un LMS, chiedi al tuo docente o al dipartimento quale punteggio venga considerato una criticità e cosa succede successivamente.

Se un risultato di Pangram segnala la tua scrittura, la documentazione del tuo processo di stesura vale più che discutere soltanto del punteggio. Approfondiamo questo tema in post separati su come creare una traccia del tuo processo di stesura e i passaggi per un ricorso formale.

Se l’AI ha aiutato a redigere parte della tua tesina, il nostro humanizer IA riscrive quella sezione nella tua voce. Le citazioni, i termini tecnici e i numeri restano esattamente come li hai scritti e lo strumento è progettato per abbassare i punteggi dell’AI nelle sezioni che tocca.

Domande frequenti

Q: Pangram è accurato?

Pangram afferma di essere accurato oltre il 99% e cita studi esterni con risultati simili. La propria scheda del modello mostra un’accuratezza inferiore sui testi sotto le 50 parole e su alcune lingue diverse dall’inglese.

Q: Qual è il tasso di falsi positivi di Pangram?

Nel suo FAQ, Pangram indica un tasso complessivo di circa 1 su 10.000. La scheda del modello Pangram 4 riporta una cifra più specifica dello 0,0041%, cioè circa 1 su 24.000, misurata su 1.000.000 documenti in inglese, con il tasso che varia in base a dominio e lingua.

Q: In che modo Pangram si confronta con GPTZero?

Pangram afferma che il suo tasso di falsi positivi è di circa 1 su 10.000, mentre GPTZero sostiene circa l’1% sul benchmark RAID. Entrambi hanno piani gratuiti e iscrizione aperta. Analizziamo i numeri di GPTZero in base alle sue stesse misurazioni nella nostra analisi dell’accuratezza di GPTZero.

Q: In che modo Pangram si confronta con Turnitin?

Turnitin funziona solo tramite un account di scuola o editore, mentre chiunque può registrarsi direttamente a Pangram. Pangram cita un tasso di falsi positivi dello 0,51% sull’editing accademico nel whitepaper di Turnitin e segnala un tasso più basso per sé.

Q: In che modo Pangram si confronta con Copyleaks?

Copyleaks afferma che il suo tasso di falsi positivi è di circa lo 0,2% e Pangram riporta un tasso inferiore. Entrambi offrono scansioni gratuite e trattiamo Copyleaks in Copyleaks rileva l’AI?.

Q: Come fa Pangram a rilevare la scrittura IA?

Pangram usa un modello di deep learning addestrato su testo umano e testo generato da IA. Non utilizza perplexity e burstiness, le misure su cui si basano molti rivelatori più vecchi. Etichetta ogni segmento di un documento come Human, AI-Assisted o AI-Generated e fornisce un livello di confidenza per il risultato.

Q: Il rilevatore IA di Pangram è gratuito da usare?

Sì, il piano Free non richiede alcun metodo di pagamento e include 2.000 parole al giorno per la scansione del testo, oltre a 3 scansioni di immagini. I piani a pagamento partono da US$20 al mese, fatturati annualmente, per 300.000 parole al mese e il rilevamento di plagio.

Q: Pangram rileva il testo passato tramite un humanizer IA?

Pangram dice di sì e cita come supporto lo studio Chicago Booth del 2025. I rivelatori e gli humanizer IA si aggiornano spesso, quindi i risultati su testi humanizzati possono cambiare nel tempo.

Q: Cosa ha scoperto lo studio dell’Università di Maryland su Pangram?

Uno studio dell’Università di Maryland del 2025 ha rilevato che il modello di Pangram consapevole degli humanizer IA, Pangram Humanizers, era l’unico rilevatore automatico in grado di eguagliare un panel di cinque lettori umani esperti. Entrambi hanno raggiunto un tasso medio di veri positivi del 99,3% su 300 articoli di test. Il tasso di falsi positivi di Pangram in quello specifico test era del 2,7%, molto più alto del valore di 1 su 10.000 che riporta nelle sue valutazioni più ampie.

Q: Chi produce Pangram?

Pangram Labs è l’azienda dietro Pangram, fondata a Brooklyn, New York, nel 2023 da ex ricercatori di IA provenienti da Tesla e Google. L’azienda vende anche un correttore antiplagio, un rilevatore di immagini basate su IA e l’accesso API, oltre al suo rilevatore di testo.

Humanizer IA accademico

Riscrive bozze accademiche con assistenza IA nella tua voce, lasciando citazioni, termini tecnici e numeri esattamente come li hai scritti.