Новости5 августа 2026 г.8 мин чтения

98,98% «оригинальности»: чему не стоит верить, работая над дипломом с ИИ

Независимый тест детектора «Антиплагиат.ВУЗ» пропустил чистый ИИ-текст трёх моделей подряд, а суд в Татарстане отменил отчисление студентки по одному лишь проценту отчёта — разбираемся, что реально защищает диплом, если вы писали его с помощью нейросети.

Разработчик LLM-систем Дмитрий Ильин загрузил в платную версию «Антиплагиат.ВУЗ» тексты, целиком сгенерированные тремя разными моделями, без правок и вставок. Система оценила их как 98,98% оригинальные — то есть не распознала ИИ-генерацию ни в одном из трёх случаев. «Детектор не сработал ни на одной из трёх моделей», — пишет Ильин в своей колонке на vc.ru. Это не рецензируемый бенчмарк, а тест одного автора без контроля версии детектора на момент проверки — но результат прямо противоречит тому, на что рассчитывает студент, доверяющий проценту в отчёте.

А исполнительный директор «Антиплагиат» Евгений Лукьянчиков в мае 2025 года заявлял, что после обновления, протестированного на текстах GPT-4o и DeepSeek V3, точность обнаружения ИИ выросла до 98% — на 35% выше прежней версии. «Мы надеемся, что обновление простимулирует авторов сосредоточиться на развитии собственных навыков письма и анализа», — говорил он в новости Habr. Методику тестирования компания не раскрыла, так что цифру нельзя перепроверить независимо. Занятно, что оба числа — вендорское «98%» и независимое «98,98%» — почти совпадают по величине, но описывают ровно противоположные исходы: одно про уверенное обнаружение, другое про полный пропуск.

Платите в рублях за AI-модели без наценки на токены через provod.ai

Почему процент вообще может врать в обе стороны

Технический разбор на Habr объясняет механику: по оценке его автора — первичного источника для этой цифры он не приводит — около 90% массовых систем антиплагиата работают на шинглах, сравнении фрагментов по 5–7 слов на бинарное совпадение. Такой метод легко обмануть перефразированием, но он же может ложно поймать студента, который случайно повторил распространённую формулировку. Более дорогие системы сравнивают векторные представления текста по косинусной близости с порогом обычно выше 0,9 — они устойчивее к перефразу, но хуже справляются с богатой морфологией русского языка, пишет автор технического разбора. Отсюда и парадокс: аккуратно переписанный ИИ-текст проходит шинглирование без единого совпадения, а живой, но синтаксически необычный студенческий текст детектор векторного типа может отметить как подозрительный.

Цена ошибки в обе стороны не абстрактная. Верховный суд Татарстана в июне 2026 года признал незаконным отчисление студентки, основанное на отчёте «Антиплагиат.ВУЗ»: суд прямо указал, что оценка детектора носит вероятностный характер и не может быть единственным основанием для отчисления, а вузу предписали установить минимум 50% оригинальности для допуска к защите. Вуз выплатил 40 тысяч рублей компенсации морального вреда и 20 тысяч штрафа, сообщают «Известия». Это решение регионального суда, а не Верховного суда РФ — оно не создаёт обязательной практики для всех вузов страны, но задаёт прецедент, на который студент может ссылаться.

Сильный контраргумент: масштаб проблемы реален

Было бы нечестно остановиться на дефектах одного детектора. Во втором квартале 2026 года из 2,73 млн проверенных работ признаки ИИ нашли в 983,7 тыс. — это каждая третья работа, против каждой пятой годом ранее, сообщает РИА Новости со ссылкой на статистику самой компании. Параллельно растёт и реальное содержание: исследование платформы Retext.ai на 13 тысячах дипломов показало рост доли ИИ-сгенерированного текста с 9,9% в 2022 году до 42,3% в 2025-м, а во введениях и заключениях — до 49% и 56% соответственно, пишут «Известия». Оговорка нужна и здесь: Retext.ai работает на том же рынке антиплагиат-сервисов, то есть у компании есть собственный интерес в цифрах роста, а полный отчёт с методологией отдельно не опубликован. Но даже с этой поправкой понятно: дипломы правда меняются, и дело не только в детекции.

Представитель РЭУ им. Плеханова Марина Холод в том же материале говорит, что решение — не автоматическая детекция, а усложнение заданий и нешаблонные индивидуальные траектории, которые труднее делегировать нейросети. А сама компания «Антиплагиат» анонсировала, что к осени 2026 года планирует выпустить типовые рекомендации для вузов и систему, показывающую конкретный фрагмент и характер использования ИИ, а не только итоговый процент. Логика возражения понятна: один неудачный тест и один региональный прецедент не отменяют того, что контроль реально ужесточается, а следующая версия детектора может закрыть именно ту дыру, через которую прошёл тест Ильина.

Но рост доли «признаков ИИ» не отличает вину от ложной тревоги

Проблема в том, что растущий процент детекций сам по себе ничего не доказывает — он не различает, где реальная генерация, а где ложное срабатывание. Доцент Государственного академического университета гуманитарных наук Денис Фомин-Нилов называет политику нулевой толерантности к ИИ тупиковой: «Без искусственного интеллекта сейчас уже невозможно», — говорит он в колонке на vfokuse.mail.ru и приводит конкретные кейсы: студентка факультета журналистики РЭУ Плеханова получила отметку 34% «ИИ-контента» на самостоятельно написанном тексте при требовании 0%, а студентка КемГУ переписывала 90-страничный диплом 13 раз — и каждый раз система вновь отмечала его как сгенерированный.

Это не единичная особенность русскоязычных детекторов. Стэнфордское исследование 2023 года протестировало семь англоязычных детекторов на эссе TOEFL и показало средний уровень ложных срабатываний 61,3% для неносителей языка — при этом эссе носителей классифицировались верно, а 97,8% эссе TOEFL были помечены хотя бы одним из семи детекторов как ИИ-текст, говорится в статье на arXiv. Речь о другом языке и другом наборе инструментов, но принцип тот же: детектор ловит не «ИИ», а статистическую непохожесть на типичный текст, а нетипичность может быть у любого автора со своим стилем. Значит, растущий процент «признаков ИИ» из квартальной статистики компании может расти отчасти именно за счёт таких ложных тревог — а не только за счёт реальной генерации.

Что реально защищает работу

Раз ни вендорский процент, ни судебный прецедент не дают студенту гарантии, единственная рабочая стратегия — прозрачность процесса, а не борьба с алгоритмом. НИУ ВШЭ первым из российских вузов принял в 2024 году Декларацию, обязывающую студентов указывать в работе, какие результаты получены с помощью ИИ, сообщает официальный сайт университета. Но единого федерального лимита объёма нет: Школа философии и культурологии ВШЭ допускает не более 20% ИИ-контента, а САФУ — до 40%, в основном для обзорных разделов, пишет РБК Тренды. Разница вдвое между вузами означает, что нельзя ссылаться на «общепринятую норму» — нужно знать регламент своего вуза и своей кафедры.

Практический чек-лист для введения и защиты:

Раздел о применении ИИ во введении. Укажите конкретную модель (например, «использовался ChatGPT для…», а не общее «применялся ИИ») и цель — структурирование обзора литературы, черновой перевод, генерация вариантов формулировок. Расплывчатая формулировка хуже отсутствия раздела: она читается как попытка прикрыться, а не задекларировать.
Согласование с научным руководителем до, а не после защиты. Регламенты 2026 года меняются по кафедрам быстрее, чем публикуются обзоры вроде РБК — руководитель знает актуальную версию для вашей программы.
Проверка лимита именно своего вуза. Разница между 20% и 40% — не формальность, а конкретная граница, за которой работа не допускается к защите.
Сохранение истории промптов и черновиков. Это единственное доказательство самостоятельной работы, если детектор ошибётся в любую сторону — именно процесс, а не итоговый процент, признал значимым суд в Татарстане, установив минимальный порог оригинальности вместо слепого доверия отчёту.

Если вы всё-таки используете нейросеть для черновой части — сравнение того, как разные модели формулируют один и тот же обзорный раздел, помогает выбрать формулировку под собственный стиль, а не скопировать первый вариант. provod.ai даёт доступ к каталогу моделей, включая GPT, DeepSeek и Qwen, через одну панель и один API, что удобно именно для такого сравнения черновиков перед тем, как решить, что и как декларировать. Для студента, оплачивающего сервис самостоятельно, важно и то, что платформа принимает рубли по российской карте или СБП: у того, кто гуглит «чат гпт для диплома», вопрос оплаты обычно встаёт раньше выбора модели, а иностранная карта или VPN для этих способов не нужны.

Пропуск детектора не оправдание, а его срабатывание — не приговор. И то и другое — вероятностная оценка алгоритма, работающего на шинглах или векторах, а не суждение о вашей добросовестности. Черновики и согласованная декларация — то немногое, что остаётся весомым в обеих ситуациях.

provod.ai — единый AI-контур для бизнеса и команды

Рабочие пространства, отдельные аккаунты и разграничение доступа — компания централизованно управляет балансом, правами и расходами, а сотрудники не используют разрозненные личные ключи.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Компания оплачивает запросы по ценам самих провайдеров: 1:1 и без надбавки provod.ai. Расчёты идут в рублях, для юридических лиц доступны договор, счёт и закрывающие документы.

Соберите корпоративное пространство в provod.ai: форма регистрации · цены на модели · защита данных по 152-ФЗ · реквизиты для договора

Почему процент вообще может врать в обе стороны

Сильный контраргумент: масштаб проблемы реален

Но рост доли «признаков ИИ» не отличает вину от ложной тревоги

Что реально защищает работу

provod.ai — единый AI-контур для бизнеса и команды

Источники