Обзор детектора ИИ Pangram (2026): точность и ложные срабатывания

Pangram это ИИ-детектор от Pangram Labs, и компания заявляет точность более 99%. Также она утверждает, что ошибочно помечает примерно 1 из 10 000 человеческих текстов как ИИ. Pangram ссылается на сторонние исследования Университета Чикаго и Университета Мэриленда, которые, по ее словам, получили схожие результаты.

Ниже мы разберем собственные показатели Pangram по точности и частоте ложных срабатываний, а также результаты независимых исследований. Затем мы рассмотрим, как Pangram определяет текст, созданный ИИ, как он сравнивается с GPTZero, Copyleaks и Turnitin, а также его цены и поддержку языков.

Что делает Pangram

Pangram это инструмент обнаружения ИИ, созданный для школ, издательств, юридических фирм и других организаций, которым нужно отличать человеческое написание от написания с участием ИИ. Вы вставляете текст или загружаете файл. Pangram возвращает прогноз: Human, AI-Generated или AI-Assisted, а также оценку того, какая часть документа попадает в каждую метку.

Pangram Labs стартовала в Brooklyn, York в 2023 году. Ее основатели работали над исследованиями ИИ в Tesla и Google до запуска компании. В линейку продукта сейчас входит проверка плагиата, встроенная в ИИ-детектор, детектор ИИ-изображений и расширение для браузера. Также есть интеграции с Gmail, Google Docs и системами управления обучением, включая Canvas, Moodle, Google Classroom и Brightspace. Доступен и API, чтобы разработчики могли встроить обнаружение ИИ в свои приложения.

Последняя модель Pangram 4 требует минимум 50 слов ввода и лучше всего работает на полных предложениях. Короткие ответы и списки дают ей меньше данных для анализа. Каждый результат включает уровень уверенности High, Medium или Low для каждого сегмента, а также выделенные фрагменты, показывающие, какие предложения модель помечает как AI-Generated, AI-Assisted или Human.

Метка AI-Assisted означает, что Pangram считает, что ИИ отредактировал или улучшил текст, который человек начал. Если вы использовали инструмент для грамматики или ИИ-редактор для частей своего текста, эта метка может появиться даже тогда, когда идеи и структура ваши. Проверьте, какие инструменты для редактирования ИИ разрешает ваша школа или работодатель, прежде чем считать метку проблемой.

Что Pangram заявляет о своей точности

В FAQ Pangram говорится, что детектор имеет точность более 99% и частоту ложных срабатываний около 1 к 10 000. Там указано, что эта цифра рассчитывается по публичным наборам данных, содержащим десятки миллионов документов. Также Pangram оценивает свою модель по 26 системам ИИ и сообщает 99,7% точности на этих AI-generated образцах в совокупности, повторяя проверку после каждого крупного релиза модели.

Pangram публикует и цифры точности для отдельных моделей тоже:

Это собственные цифры Pangram, измеренные на собственных наборах тестов. Карточка модели Pangram 4 дополнительно разбивает результаты. На 519 993 англоязычных примерах, сгенерированных ИИ, от 26 моделей Pangram 4 не распознал как ИИ 0,34% из них, что близко к заявленным 99,7%. В карточке модели также указан показатель пропуска 1,24% на многоязычном наборе, охватывающем 18 языков, то есть Pangram распознает тексты, созданные ИИ, чуть менее надежно вне английского.

Ложноположительный процент Pangram по домену и языку

В FAQ Pangram приведен единый общий показатель ложных срабатываний: 1 на 10 000. В карточке модели Pangram 4 указано более конкретное значение. Из 1 000 000 англоязычных документов из набора FineWeb у Pangram 4 было 41 ложноположительное срабатывание, то есть 0,0041%, что близко к 1 на 24 000. На многоязычном наборе из 996 273 документов на 104 языках у него было 14 ложноположительных срабатываний, то есть 0,0014%.

Показатель меняется в зависимости от домена. В карточке модели Pangram перечислены такие значения ложноположительных срабатываний:

Для научного письма на английском в карточке модели Pangram указано значение ложноположительных срабатываний 0,019%, то есть примерно 1 на 5000 документов. Это выше, чем общий показатель, и именно он важнее всего для студентов и исследователей. Формальная академическая проза следует установленным шаблонам, и именно в текстах по шаблону в данных Pangram наблюдается больше ложных срабатываний.

В собственном блоге Pangram о ложноположительных срабатываниях говорится, что этот показатель растет на коротких фрагментах текста, которые не написаны полными предложениями, а также на сильно формульных текстах, таких как рецепты и поэзия. Там также сказано, что на длинной оригинальной прозе, например в эссе, обзорах и отчетах, частота остается низкой, потому что такой текст дает модели больше материала для анализа.

Язык тоже влияет на показатель. В карточке модели Pangram указана официальная поддержка 24 языков. Это английский, испанский, французский, португальский, арабский, китайский, японский, корейский, русский, турецкий, венгерский, немецкий, нидерландский, шведский, румынский, украинский, польский, итальянский, чешский, греческий, хинди, персидский, урду и вьетнамский. Измеренный ложноположительный процент варьируется от 0,0000% на таких языках, как арабский, китайский и японский, до 0,0078% на португальском и 0,0361% на украинском. При этом все эти значения все равно значительно ниже 1 из 1000. Pangram также говорит, что может обобщать результаты и для языков за пределами этого списка, и приглашает запросы для оценки нового языка.

Pangram также публикует сравнения с другими детекторами. На отзывах о продуктах в исследовании Университета Чикаго он сообщает ложноположительные проценты: 0,5% для себя, 1,7% для Originality.ai и 2,4% для GPTZero. Это цифры Pangram, взятые из его собственного блога.

Исследования извне, на которые ссылается Pangram

В исследовании 2025 года Университета Чикаго Booth обнаружили, что ведущие детекторы ИИ помечали как минимум более 90% неотредактированного текста, сгенерированного ИИ. Большинство из них снижали долю срабатываний до менее чем половины после того, как текст пропускали через AI-humanizer. Pangram был одним из четырех протестированных детекторов, наряду с GPTZero, Originality.ai и детектором с открытым исходным кодом RoBERTa. Pangram утверждает, что он был единственным, кто удержал ложноположительный процент ниже 0,5%, продолжая при этом обнаруживать тексты, созданные ИИ.

Pangram также ссылается на исследование, проведенное в июне 2026 года во Vrije Universiteit Brussel. Там проверяли Pangram, GPTZero, Turnitin и Copyleaks на 160 академических работах авторов, не являющихся носителями английского языка, разделенных на тексты: написанные людьми, сгенерированные ИИ, гибридные и прошедшие humanization. Pangram утверждает, что ни один из четырех инструментов в том исследовании не пометил как AI-written работы, написанные людьми.

Исследование 2025 года: Pangram против опытных читателей-людей

Статья 2025 года Jenna Russell, Marzena Karpinska и Mohit Iyyer была опубликована на ACL 2025. В ней проверялось, могут ли люди, которые часто используют инструменты для письма на основе ИИ, обнаруживать тексты, сгенерированные ИИ, так же хорошо, как это делают автоматические детекторы. Пятеро аннотаторов, которые сообщили, что регулярно используют LLM для собственных текстов, прочитали 300 англоязычных статей по нон-фикшн. Этот набор включал авторские тексты человека и тексты из GPT-4o, Claude и o1-Pro, включая некоторые статьи, пропущенные через AI-humanizer. Большинство голосов этих пяти аннотаторов ошибочно классифицировали только 1 из 300 статей.

Далее работа сравнила эту панель с пятью автоматическими детекторами: Pangram, GPTZero, Binoculars, Fast-DetectGPT и RADAR. Исследователи запустили две модели Pangram: базовый детектор и отдельную модель под названием Pangram Humanizers, обученную выявлять текст, прошедший через AI-humanizer. Pangram Humanizers оказался единственным детектором, который совпал с экспертной панелью: средняя доля истинно положительных результатов составила 99,3%, а доля ложных положительных результатов 2,7% на всем тестовом наборе. Базовая модель Pangram достигла в среднем 98,0% истинно положительных результатов при 2% ложных положительных на том же тесте.

2,7% ложных положительных результатов выше, чем показатель 1 на 10 000, который Pangram приводит по результатам собственных оценок. В этом тесте использовался гораздо меньший набор статей: 300, а не миллионы, которые Pangram упоминает в других местах. Также в работе Pangram оценивали только по его меткам Human и AI-Generated, не засчитывая ему то, что он помечает нейтральное значение как "Possibly AI". Pangram и GPTZero оба предоставили исследователям кредиты API для проведения теста.

Как Pangram обнаруживает ИИ-письмо

Pangram утверждает, что не использует perplexity или burstiness, два сигнала, на которые чаще всего опираются более старые детекторы ИИ. Perplexity измеряет, насколько предсказуемо каждое слово для языковой модели, а burstiness измеряет, насколько меняется эта предсказуемость в рамках документа. Мы объясняем оба показателя в нашем материале о perplexity в AI detection.

Pangram утверждает, что детекторы, основанные на perplexity, дают сбои на любых текстах, которые языковая модель могла запомнить во время обучения, включая Declaration of Independence и большие фрагменты Wikipedia. Модели учатся предсказывать запомненные фрагменты с очень низким значением perplexity, независимо от того, кто их написал. Также Pangram говорит, что методы, основанные на perplexity, дают более высокий уровень ложных положительных результатов на текстах на не родном для автора английском, потому что более простые структуры предложений тоже оказываются более предсказуемыми. Мы рассматриваем тот же паттерн ложных срабатываний для авторов, пишущих по-английски не как на родном в публикации, где анализируем и другие детекторы.

Вместо этого Pangram обучает модель глубокого обучения напрямую на больших наборах текстов человека и текстов, сгенерированных ИИ. Она использует метод, который называет hard negative mining: поиск человеческого письма, которое случайно оказывается похожим на вывод ИИ. Pangram обрабатывает целые документы на уровне токенов. Она маркирует каждый фрагмент как Human, AI-Assisted или AI-Generated, используя непрерывную оценку того, насколько фрагмент выглядит написанным ИИ. Pangram утверждает, что модель становится лучше по мере обучения на большем объеме данных.

Pangram против GPTZero, Copyleaks и Turnitin

Pangram, GPTZero и Copyleaks доступны любому, кто зарегистрируется. Turnitin работает только через школьный или издательский аккаунт, и индивидуальному тестирующему обычно доступен результат Turnitin только в том случае, если это передаст преподаватель.

Мы рассмотрели каждый из этих детекторов отдельно: см. насколько точен GPTZero, обнаруживает ли Copyleaks AI и может ли Turnitin обнаружить AI-текст, который прошел humanizer. Показатели ложных срабатываний в таблице являются собственными заявлениями каждой компании, как указывают Pangram и другие вендоры.

Pangram это отдельный детектор. Grammarly и Scribbr предлагают обнаружение AI как часть своих инструментов для письма, и мы отдельно рассмотрели AI-детектор Grammarly и AI-детектор Scribbr.

Цены и ограничения бесплатного плана

У бесплатного плана Pangram не требуется привязывать способ оплаты. Он включает 2 000 слов сканирования текста в день и 3 сканирования изображений в день. Это включает загрузку файлов с OCR, расширение для браузера, интеграцию с Google Docs и доступ через API, более чем на 20 языках.

У тарифа для частных пользователей есть 7-дневный бесплатный пробный период до начала ежемесячного списания US$20. При ежегодной оплате экономится US$60 в год по сравнению с ежемесячной ставкой. Тариф Professional оплачивается сразу по US$65, без пробного периода, и экономит US$240 в год при ежегодной оплате. Кроме того, Pangram указывает отдельные цены для бизнеса для команд, которые отображаются после выбора вкладки Business на странице с тарифами.

Кто использует Pangram

Школы и университеты составляют крупнейшую аудиторию Pangram. Его интеграции с LMS подключаются напрямую к Canvas, Moodle, Google Classroom и Brightspace. Преподаватель может увидеть результат Pangram рядом с работой ученика, не покидая платформу, которую он уже использует для проверки.

Издатели, юридические фирмы и команды HR используют Pangram по разным причинам: для проверки поданных рукописей, для просмотра документов по делу или для предварительного отбора материалов кандидатов. API позволяет любой из этих организаций встроить детектирование Pangram в собственные внутренние инструменты. Интеграции с Gmail и Google Docs позволяют одному человеку проверять текст, не выходя из почтового ящика или документа.

Для студента это обычно означает, что оценка Pangram появляется в том же дашборде, который преподаватель уже использует для оценок и обратной связи. Это не отдельный отчет, который вы заказываете самостоятельно. Если ваша школа подключает Pangram через LMS, спросите у преподавателя или в подразделении, какой балл считается поводом для беспокойства и что происходит дальше.

Если результат Pangram все же помечает ваше письмо, то наличие записи вашего собственного процесса подготовки текста имеет значение больше, чем спорить только о балле. Мы разбираем это в отдельных публикациях о создании записи вашего процесса подготовки текста и шагов для формальной апелляции.

Если AI помог составить часть вашей работы, наш AI-humanizer переписывает этот раздел в вашем собственном стиле. Ссылки, технические термины и числа остаются ровно такими, как вы их указали, а инструмент создан так, чтобы снижать AI-оценки в тех разделах, к которым он применяется.

Часто задаваемые вопросы

Q: Насколько точен Pangram?

Pangram заявляет, что его точность превышает 99%, и приводит внешние исследования с сопоставимыми результатами. В собственной карточке модели показана более низкая точность для текстов объемом менее 50 слов и для некоторых языков, отличных от английского.

Q: Каков процент ложных срабатываний у Pangram?

В FAQ Pangram указана общая оценка примерно 1 случай на 10 000. В карточке модели Pangram 4 приведен более точный показатель 0,0041%, то есть примерно 1 случай на 24 000, измеренный на 1 000 000 англоязычных документов; при этом частота варьируется в зависимости от тематики и языка.

Q: Чем Pangram отличается от GPTZero?

Pangram утверждает, что ее уровень ложных срабатываний составляет около 1 случая на 10 000, а GPTZero заявляет примерно 1% на бенчмарке RAID. У обеих есть бесплатные тарифы и открытая регистрация. Мы приводим собственные цифры GPTZero в нашем обзоре точности GPTZero.

Q: Чем Pangram отличается от Turnitin?

Turnitin работает только через школьный или издательский аккаунт, тогда как любой может зарегистрироваться в Pangram напрямую. Pangram ссылается на показатель ложных срабатываний 0,51% для академического письма из белой книги Turnitin и сообщает о более низкой частоте для себя.

Q: Чем Pangram отличается от Copyleaks?

Copyleaks заявляет, что частота ложных срабатываний составляет около 0,2%, а Pangram сообщает о более низкой частоте для себя. Обе предлагают бесплатные проверки, а мы разбираем Copyleaks в обнаруживает ли Copyleaks ИИ.

Q: Как Pangram определяет ИИ-авторство в тексте?

Pangram использует модель глубокого обучения, обученную на текстах человека и тексте, созданном ИИ. Она не применяет перплексию и burstiness, то есть меры, на которые опираются многие более старые детекторы. Она помечает каждый сегмент документа как Human, AI-Assisted или AI-Generated и выдает уровень уверенности в результате.

Q: Детектор ИИ Pangram можно использовать бесплатно?

Да, в бесплатном тарифе не требуется способ оплаты, он включает проверку 2 000 слов текста в день и 3 проверки изображений. Платные планы начинаются с US$20 в месяц при ежегодном выставлении счета за 300 000 слов в месяц и обнаружение плагиата.

Q: Обнаруживает ли Pangram текст, пропущенный через AI-humanizer?

Pangram говорит, что да, и указывает на исследование 2025 Chicago Booth как подтверждение. Детекторы и AI-humanizer оба регулярно обновляются, поэтому результаты для «человекоподобленного» текста могут со временем меняться.

Q: Что выяснилось в исследовании University of Maryland о Pangram?

В работе 2025 года, выполненной в University of Maryland, было обнаружено, что AI-humanizer-aware модель Pangram, Pangram Humanizers, была единственным автоматическим детектором, который смог соответствовать панели из пяти экспертов-чтецов. Оба подхода показали среднюю долю истинно положительных результатов 99,3% на 300 тестовых материалах. Частота ложных срабатываний Pangram в этом конкретном тесте составила 2,7%, что заметно выше заявленных ею 1 случая на 10 000 в рамках собственных более масштабных оценок.

Q: Кто создает Pangram?

Pangram Labs это компания, стоящая за Pangram. Она была основана в Brooklyn, New York в 2023 году бывшими исследователями ИИ из Tesla и Google. Помимо текстового детектора, компания также продает сервис проверки плагиата, детектор ИИ-изображений и доступ к API.

AI-humanizer для академических текстов

Переписывает академические черновики с использованием ИИ в вашем собственном стиле, оставляя ваши цитаты, технические термины и числа ровно такими, как вы их указали.