Чи можна виявити GPT-5.5? Тестування виявлення ШІ на найновішій моделі OpenAI (2026)

GPT-5.5 від OpenAI — це остання та найдосконаліша публічна модель у сімействі GPT-5. Маркетингові заяви стверджують, що вироблений нею текст функціонально неможливо відрізнити від людського письма. Початкові дані тестів підтвердили це лише наполовину: точність детекції в галузі впала на 18–40 відсоткових пунктів у перші дев'яносто днів після виходу GPT-5.5. Форуми заповнилися заявами про те, що детекції ШІ нарешті прийшов кінець.

Але це було не так. Через кілька місяців картина прояснилася. GPT-5.5 зловити важче, ніж попереднє покоління GPT-5, але вона далеко не невидима. Детектори, що пережили цей перехід, мають спільну архітектуру, а ті, що зазнали краху — спільний недолік. Ми прогнали 500 свіжих зразків GPT-5.5 через кожен основний інструмент детекції, щоб з'ясувати, хто є хто.

Чому GPT-5.5 зламала так багато детекторів

Старі детектори ШІ будувалися на двох припущеннях: текст ШІ має нижчу perplexity (він обирає більш імовірні наступні слова) та нижчу burstiness (речення більш одноманітні за довжиною). Обидва припущення чудово працювали проти GPT-3.5 і непогано трималися проти GPT-4. GPT-5.5 була спеціально оптимізована, щоб порушити обидва.

Процес навчання GPT-5.5 від OpenAI включав змагальне тонке налаштування проти детекторів попереднього покоління. Внутрішні тести показали, що команда розробників цілеспрямовано працювала над досягненням показників perplexity людського рівня та варіативністю структури речень для імітації людської burstiness. Модель не просто вчили писати добре — її вчили писати так, як існуюча література з детекції класифікувала людське письмо.

Розрив у perplexity скоротився

Виводи GPT-5.5 знаходяться у набагато вужчому діапазоні perplexity, ніж у старих моделей. Там, де GPT-4 створювала текст із вимірюваною варіативністю, генерації GPT-5.5 статистично плавніші — ближчі до того, що створюють кваліфіковані людські редактори після кількох етапів вичитки. Одномодельні детектори perplexity, створені до 2025 року, тепер пропускають текст GPT-5.5 у 40–60% випадків.

GPT-5.5 також краще справляється з burstiness. Вона навмисно змінює довжину речень, змішує ритми абзаців і вставляє розмовні зауваження. Плоский, одноманітний каданс, який видавав GPT-3 та GPT-4, значною мірою зник.

Що не змінилося: GPT-5.5 все ще має стилістичний відбиток на рівні дискурсу та стилометрії. Те, як вона будує аргументи, перехідні фрази, яким вона віддає перевагу, структура вступу та висновку — ці ознаки глибші за perplexity, і їх важче усунути навчанням. Саме там зараз живе сучасна детекція.

Наш тест: 500 зразків, 12 детекторів, 4 змагальні умови

Ми згенерували 125 сирих виводів GPT-5.5 для чотирьох типів контенту: академічні есе, маркетингові тексти, технічні пояснення та художня література. Потім ми створили три змагальні варіанти кожного: версія з промптом на персону (прохання до GPT-5.5 імітувати конкретний людський голос), злегка відредагована версія (15–20% слів змінено вручну) та "гуманізована" версія (пропущена через сторонній інструмент-гуманізатор). Разом: 500 зразків. Ми подали кожен у дванадцять основних детекторів ШІ.

Точність детекторів за архітектурою

Найчіткіша закономірність у результатах: архітектура детектора важила більше, ніж репутація розробника. Інструменти зі схожими підходами згрупувалися разом незалежно від бренду.

• Детектори з одним класифікатором (інструменти початку 2024 року): точність впала до 38–52%. Ці інструменти покладаються на одну модель perplexity, навчену на даних до GPT-5, і не адаптувалися.
• Детектори з двома моделями: тримаються на рівні 71–79%. Краще, але все одно пасують перед злегка відредагованим або створеним за промптом на персону виводом GPT-5.5.
• Багатомодельні ансамблі, такі як Агентська рада Plagly.ai: 91–97% точності на сирому GPT-5.5, 84–90% на злегка відредагованому GPT-5.5, 72–81% на сильно гуманізованому виводі. Саме ансамблевий підхід вижив після переходу на GPT-5.5.

Чому ансамблева детекція перемагає

Конвеєр Plagly пропускає кожну роботу через п'ять незалежних класифікаторів: стилометричну модель на базі трансформерів, аналізатор perplexity, оцінювач burstiness, детектор маркерів дискурсу та систему порівняння відбитків, навчену спеціально на виводах GPT-5.5. Кожна модель голосує; рада агрегує результати. Коли одну модель вдається обманути, інші зазвичай наздоганяють.

Детектори з однією моделлю зазнають катастрофічного краху, коли їхня єдина модель виявляється обманутою. Ансамблі виходять з ладу поступово — впевненість падає, але сильного сигналу від будь-якої однієї з п'яти моделей зазвичай достатньо для маркування.

Що GPT-5.5 все ще робить неправильно

Навіть GPT-5.5 залишає вимірювані ознаки. Вони тонші за ознаки GPT-3, але вони достатньо стабільні, щоб детектори, навчені на них, залишалися точними.

Надмірне використання перехідних фраз

GPT-5.5 все ще надмірно використовує певні перехідні фрази (“більше того,” “по суті,” “варто зазначити”), починає абзаци з шаблонів тематичних речень жорсткіше за людей і має тенденцію до попереднього резюмування того, що збирається сказати. Ці структурні ознаки закладені в процесі навчання моделі і витримують більшість спроб перефразування.

Форма аргументації

Людське аргументаційне письмо рідко розглядає всі сторони питання з однаковою вагою. Люди займають позицію, вагаються, суперечать самі собі та повертаються до сказаного. GPT-5.5 все ще схильна викладати збалансовану карту міркувань перед тим, як прийти до зваженого висновку. Форма занадто охайна. Детектори, що моделюють структуру дискурсу, фіксують це надійно.

Проблема відсутності контексту

GPT-5.5 не знає, що обговорювалося на вашому семінарі у вівторок, що ваш професор сказав про Фуко минулого тижня, або який локальний жарт є у вашій команді щодо прогнозів на 3-й квартал. Роботи, які мали б посилатися на місцевий контекст, але не роблять цього, є сильним сигналом — навіть якщо сама проза бездоганна.

Детекція GPT-5.5 за змагальними умовами

Ось як трималася точність детекції в чотирьох умовах нашого тесту, використовуючи ансамбль Plagly.ai як еталон:

• GPT-5.5 (за замовчуванням): 94% виявлено з першого разу.
• GPT-5.5 із промптами на персону (“пиши як втомлений аспірант”): 87%.
• GPT-5.5 + легке ручне редагування (15–20% слів змінено): 81%.
• GPT-5.5 після гуманізатора: 72%.
• Гібрид GPT-5.5 + сильне людське переписування: 54%. (На цьому рівні користувач виконав більшу частину роботи.)

Зниження показників реальне, але воно далеке від наративу “детекція мертва”. Навіть за найбільш складних налаштувань більше половини виводів GPT-5.5 все одно були марковані. А техніки, які дозволяють досягти показника 54% — сильне ручне переписування, ретельне редагування, гібридна композиція — по суті є випадками, коли користувач сам пише текст, використовуючи ШІ як допоміжну структуру.

Що це означає для студентів, викладачів та авторів

Для студентів практичний висновок не змінився: подавати сирий вивід GPT-5.5 все ще ризиковано. Установи, які займаються детекцією, перейшли на ансамблеві інструменти, і помилкове відчуття безпеки після проходження одного застарілого детектора мало що значить, коли викладачі проганяють той самий текст через три.

Для викладачів більшим ризиком зараз є покладання на один інструмент. Перевірка робіт через один старий детектор і довіра до результату більше не є виправданою. Професіонали, що інтегрують перевірки ШІ в робочі процеси оцінювання, використовують два або три інструменти для перехресної перевірки з ручним переглядом граничних випадків.

Для професійних авторів, маркетологів та контент-команд: підготовка чернеток за допомогою ШІ — це нормально, але розумійте, що видавці та клієнти все частіше проганяють фінальний текст через ансамблеві детектори. Якщо ваш робочий процес — це “GPT-5.5 генерує, ви злегка редагуєте,” очікуйте, що це буде помітно. Якщо ваш процес — це “GPT-5.5 генерує чернетку, я суттєво переписую її, використовуючи свій голос і досвід,” то саме тут показники детекції падають, і саме тут криється справжня цінність.

Реакція галузі

Розробники детекторів, які пережили перехід на GPT-5.5, мають три спільні риси: ансамблева архітектура, постійне донавчання на виводах нових моделей та фокус на стилометричних і дискурсивних ознаках, а не лише на perplexity. Розробники, які не мали жодної з цих трьох рис, тихо втрачають клієнтів на користь тих, хто мав.

Університети, видавництва та HR-команди тихо переходять від старих одномодельних інструментів до детекторів на основі ансамблів. Сторінка технологій Plagly детально описує багатомодельну архітектуру, а безкоштовний ШІ-детектор дозволяє вам самостійно протестувати зразки GPT-5.5.

Погляд у майбутнє: GPT-6 та далі

За чутками, GPT-6 вийде у другій половині 2026 року. Виходячи з переходу на GPT-5.5, ми очікуємо наступне: ще одне тимчасове падіння точності у всіх детекторів, швидше відновлення для ансамблевих інструментів та подальше збільшення розриву між сучасними багатомодельними детекторами та застарілими продуктами з одним класифікатором.

У довгостроковій перспективі гонка озброєнь трохи більше сприяє детекції. Кожне покоління LLM зменшує поверхневі стилістичні ознаки, але не може легко усунути глибші структурні паттерни, що виникають через навчання як передбачувача наступного токена на даних масштабу всього інтернету. Саме ці паттерни вчаться зчитувати добре спроектовані детектори.

Підсумок

Так, GPT-5.5 можна виявити у 2026 році — якщо ви використовуєте правильний інструмент. Детектори з одним класифікатором, створені до 2025 року, фактично перестали працювати на виводах GPT-5.5. Ансамблеві детектори з постійним донавчанням тримають показник вище 90% на сирих виводах і поступово знижують ефективність проти легкого редагування. Ландшафт детекції не помер із GPT-5.5 — він консолідувався навколо архітектур, які змогли адаптуватися.