GPT-5.5 có bị phát hiện không? Kiểm tra phát hiện AI trên mô hình má»›i nhất của OpenAI (2026)

GPT-5.5 của OpenAI là mô hình công khai mới nhất và tiên tiến nhất trong gia đình GPT-5 — và thông điệp marketing đi kèm với nó là văn bản do nó tạo ra về mặt chức năng không thể phân biệt được với bài viết của con người. Dữ liệu benchmark sớm đã chứng minh được ít nhất một nửa điều đó: độ chính xác của các trình phát hiện trong toàn ngành đã giảm 18–40 điểm phần trăm trong chín mươi ngày đầu tiên sau bản cập nhật GPT-5.5. Các diễn đàn tràn ngập những tuyên bố rằng việc phát hiện AI cuối cùng đã chấm dứt.

Thực tế không phải vậy. Nhiều tháng sau, bức tranh đã trở nên rõ ràng hơn. GPT-5.5 khó bị phát hiện hơn so với thế hệ GPT-5 trước đó — nhưng nó còn lâu mới trở nên vô hình. Các trình phát hiện sống sót qua quá trình chuyển đổi này chia sẻ một kiến trúc chung, và những trình phát hiện sụp đổ chia sẻ một sai lầm chung. Chúng tôi đã chạy 500 mẫu GPT-5.5 mới thông qua mọi công cụ phát hiện chính để tìm ra công cụ nào thực sự hiệu quả.

Tại sao GPT-5.5 làm sụp đổ nhiều trình phát hiện

Các trình phát hiện AI cũ hơn được xây dựng dựa trên hai giả định: văn bản AI có perplexity thấp hơn (nó chọn các token tiếp theo có xác suất cao hơn) và burstiness thấp hơn (các câu có độ dài đồng nhất hơn). Cả hai giả định đều hoạt động tốt chống lại GPT-3.5 và giữ được hiệu quả tương đối trước GPT-4. GPT-5.5 đã được tối ưu hóa đặc biệt để vi phạm cả hai điều này.

Quy trình đào tạo của OpenAI cho GPT-5.5 bao gồm việc tinh chỉnh đối kháng (adversarial fine-tuning) chống lại các trình phát hiện thế hệ trước. Các benchmark nội bộ cho thấy đội ngũ phát triển đã nhắm mục tiêu rõ ràng vào điểm perplexity trong phạm vi con người và thay đổi cấu trúc câu để bắt chước chỉ số burstiness của con người. Mô hình không chỉ được huấn luyện để viết tốt — nó được huấn luyện để viết theo những cách mà các tài liệu về phát hiện hiện có gắn nhãn là của con người.

Khoảng cách perplexity đã thu hẹp

Đầu ra của GPT-5.5 nằm trong dải perplexity hẹp hơn nhiều so với các mô hình cũ. Trong khi GPT-4 tạo ra văn bản có sự biến thiên có thể đo lường được, các thế hệ GPT-5.5 mượt mà hơn về mặt thống kê — gần hơn với những gì các biên tập viên con người lành nghề tạo ra sau vài lượt chỉnh sửa. Các trình phát hiện perplexity đơn mô hình được xây dựng trước năm 2025 hiện bỏ lỡ văn bản GPT-5.5 từ 40–60% trường hợp.

GPT-5.5 cũng xử lý burstiness tốt hơn. Nó cố tình thay đổi độ dài câu, trộn lẫn nhịp điệu đoạn văn và chèn thêm các lời bình mang tính hội thoại. Nhịp điệu phẳng, đồng nhất từng làm lộ tẩy GPT-3 và GPT-4 phần lớn đã biến mất.

Điều không thay đổi: GPT-5.5 vẫn có dấu vân tay phong cách ở cấp độ diễn ngôn và phong cách học (stylometrics). Cách nó xây dựng lập luận, các cụm từ chuyển tiếp mà nó ưa chuộng, cách nó cấu trúc phần mở đầu và kết luận — những điều này sâu hơn perplexity và khó có thể xóa bỏ bằng cách đào tạo lại. Đó chính là nơi việc phát hiện hiện đại đang nhắm tới.

Thử nghiệm của chúng tôi: 500 mẫu, 12 trình phát hiện, 4 điều kiện đối kháng

Chúng tôi đã tạo ra 125 đầu ra GPT-5.5 thô trên bốn loại nội dung — bài luận học thuật, nội dung marketing, giải thích kỹ thuật và hư cấu sáng tạo. Sau đó, chúng tôi tạo ra ba biến thể đối kháng cho mỗi loại: phiên bản sử dụng prompt nhập vai (persona-prompted), phiên bản chỉnh sửa nhẹ (thay đổi thủ công 15–20% từ ngữ) và phiên bản nhân hóa (chạy qua công cụ nhân hóa của bên thứ ba). Tổng cộng: 500 mẫu. Chúng tôi đã gửi từng mẫu đến mười hai trình phát hiện AI chính.

Độ chính xác của trình phát hiện theo kiến trúc

Mẫu hình rõ ràng nhất trong kết quả: kiến trúc của trình phát hiện quan trọng hơn danh tiếng của nhà cung cấp. Các công cụ có cách tiếp cận tương tự sẽ có kết quả tương đương nhau bất kể thương hiệu.

• Trình phát hiện đơn phân loại (các công cụ thời đầu năm 2024): độ chính xác sụp đổ xuống còn 38–52%. Các công cụ này dựa trên một mô hình perplexity duy nhất được huấn luyện trên dữ liệu trước GPT-5 và đã không kịp thích nghi.
• Trình phát hiện hai mô hình: giữ vững ở mức 71–79%. Tốt hơn, nhưng vẫn thất bại trước đầu ra GPT-5.5 được chỉnh sửa nhẹ hoặc sử dụng prompt nhập vai.
• Tập hợp đa mô hình (multi-model ensembles) như Hội đồng Agentic của Plagly.ai: đạt độ chính xác 91–97% trên GPT-5.5 thô, 84–90% trên GPT-5.5 chỉnh sửa nhẹ, 72–81% trên đầu ra được nhân hóa mạnh. Cách tiếp cận tập hợp chính là thứ đã sống sót qua quá trình chuyển đổi sang GPT-5.5.

Tại sao phát hiện kiểu tập hợp lại chiến thắng

Quy trình của Plagly chạy mọi bài nộp qua năm bộ phân loại độc lập: mô hình stylometric dựa trên transformer, bộ phân tích perplexity, bộ chấm điểm burstiness, trình phát hiện dấu hiệu diễn ngôn và bộ so khớp dấu vân tay được huấn luyện riêng cho đầu ra GPT-5.5. Mỗi mô hình bỏ phiếu; hội đồng sẽ tổng hợp kết quả. Khi một mô hình bị đánh lừa, các mô hình khác thường sẽ phát hiện ra.

Các trình phát hiện đơn mô hình thất bại thảm hại khi mô hình duy nhất của chúng bị đánh lừa. Các tập hợp mô hình thất bại một cách nhẹ nhàng hơn — độ tin cậy giảm xuống, nhưng một tín hiệu mạnh mẽ từ bất kỳ mô hình nào trong số năm mô hình thường là đủ để gắn cờ.

GPT-5.5 vẫn còn những sai sót gì

Ngay cả GPT-5.5 vẫn để lại những dấu vết có thể đo lường được. Chúng tinh tế hơn so với các đặc điểm của GPT-3 nhưng đủ nhất quán để các trình phát hiện được huấn luyện dựa trên chúng vẫn giữ được độ chính xác.

Sử dụng quá mức các cụm từ chuyển tiếp

GPT-5.5 vẫn sử dụng quá mức một số cụm từ chuyển tiếp nhất định (“hơn nữa,” “về bản chất,” “đáng chú ý là”), mở đầu các đoạn văn bằng các mẫu câu chủ đề cứng nhắc hơn so với con người, và có xu hướng tóm tắt trước những gì sắp nói. Những dấu vết cấu trúc này đã ăn sâu vào cách mô hình được huấn luyện và vẫn tồn tại sau hầu hết các nỗ lực diễn giải lại.

Hình thái lập luận

Bài viết lập luận của con người hiếm khi xem xét tất cả các khía cạnh của một vấn đề với trọng lượng bằng nhau. Con người thường cam kết, rào đón, tự mâu thuẫn và quay lại vấn đề. GPT-5.5 vẫn có xu hướng đưa ra một bản đồ cân bằng về các cân nhắc trước khi đi đến một kết luận có tính toán. Hình thái này quá gọn gàng. Các trình phát hiện mô hình hóa cấu trúc diễn ngôn có thể nhận ra điều này một cách đáng tin cậy.

Vấn đề thiếu ngữ cảnh

GPT-5.5 không hề biết những gì đã được thảo luận trong buổi hội thảo thứ Ba của bạn, giáo sư của bạn đã nói gì về Foucault tuần trước, hay trò đùa nội bộ của nhóm bạn về dự báo quý 3. Những bài nộp lẽ ra phải tham chiếu đến ngữ cảnh địa phương nhưng lại không thực hiện là một tín hiệu mạnh mẽ — ngay cả khi văn phong của nó là hoàn hảo.

Phát hiện GPT-5.5 theo điều kiện đối kháng

Dưới đây là độ chính xác phát hiện được duy trì qua bốn điều kiện trong thử nghiệm của chúng tôi, sử dụng tập hợp của Plagly.ai làm chuẩn:

• GPT-5.5 (mặc định): 94% bị phát hiện ngay lần đầu.
• GPT-5.5 với prompt nhập vai (“viết như một nghiên cứu sinh mệt mỏi”): 87%.
• GPT-5.5 + chỉnh sửa nhẹ của con người (thay đổi 15–20% từ ngữ): 81%.
• GPT-5.5 chạy qua công cụ nhân hóa: 72%.
• Lai GPT-5.5 + viết lại mạnh bởi con người: 54%. (Ở mức độ này, người dùng đã thực hiện hầu hết công việc.)

Sự sụt giảm là có thật, nhưng nó còn lâu mới giống như những lời đồn thổi rằng “việc phát hiện đã chết”. Ngay cả ở cài đặt đối kháng nhất, hơn một nửa đầu ra GPT-5.5 vẫn bị gắn cờ. Và những kỹ thuật đưa bạn đến con số 54% đó — viết lại thủ công nhiều, chỉnh sửa cẩn thận, sáng tác lai — về bản chất chính là người dùng đang tự viết với AI đóng vai trò là khung hỗ trợ.

Điều này có ý nghĩa gì đối với Sinh viên, Giáo viên và Người viết

Đối với sinh viên, bài học thực tế không thay đổi: nộp đầu ra GPT-5.5 thô vẫn rất rủi ro. Các tổ chức phát hiện được đã chuyển sang các công cụ tập hợp, và cảm giác an toàn giả tạo từ việc vượt qua một trình phát hiện lỗi thời chẳng có ý nghĩa gì khi giáo viên chạy cùng một văn bản đó qua ba công cụ khác nhau.

Đối với giáo viên, việc dựa vào một công cụ duy nhất hiện là rủi ro lớn hơn. Việc chạy bài nộp qua một trình phát hiện cũ và tin tưởng vào kết quả không còn là điều có thể chấp nhận được. Các chuyên gia tích hợp kiểm tra AI vào quy trình chấm điểm đang sử dụng hai hoặc ba công cụ kiểm tra chéo, với việc xem xét thủ công cho các trường hợp biên.

Đối với những người viết chuyên nghiệp, các nhà marketing và đội ngũ nội dung: việc soạn thảo với sự hỗ trợ của AI là ổn, nhưng hãy hiểu rằng các nhà xuất bản và khách hàng đang ngày càng chạy bản sao cuối cùng qua các trình phát hiện tập hợp. Nếu quy trình của bạn là “GPT-5.5 tạo ra, bạn chỉnh sửa nhẹ,” hãy chuẩn bị tinh thần rằng điều đó sẽ bị phát hiện. Nếu quy trình của bạn là “GPT-5.5 tạo ra bản nháp, tôi viết lại đáng kể bằng giọng văn và chuyên môn của mình,” đó là nơi tỷ lệ phát hiện giảm xuống và đó cũng là nơi giá trị thực sự nằm ở đó.

Phản ứng của ngành

Các nhà cung cấp dịch vụ phát hiện sống sót qua quá trình chuyển đổi sang GPT-5.5 chia sẻ ba đặc tính: kiến trúc tập hợp, liên tục đào tạo lại trên các đầu ra mô hình mới, và tập trung vào các đặc điểm stylometric và diễn ngôn thay vì chỉ perplexity. Các nhà cung cấp không có bất kỳ đặc tính nào trong ba đặc tính đó đang âm thầm mất khách hàng vào tay những bên có đủ.

Các trường đại học, nhà xuất bản và đội ngũ nhân sự đang âm thầm chuyển từ các công cụ đơn mô hình cũ hơn sang các trình phát hiện dựa trên tập hợp. Trang công nghệ của Plagly tài liệu hóa chi tiết kiến trúc đa mô hình, và trình phát hiện AI miễn phí cho phép bạn tự mình kiểm tra các mẫu GPT-5.5.

Nhìn về phía trước: GPT-6 và xa hơn nữa

GPT-6 được đồn đoán sẽ ra mắt vào nửa cuối năm 2026. Dựa trên quá trình chuyển đổi GPT-5.5, đây là những gì chúng tôi dự đoán: độ chính xác sẽ tạm thời giảm xuống một lần nữa trên tất cả các trình phát hiện, các công cụ tập hợp sẽ phục hồi nhanh hơn, và khoảng cách tiếp tục nới rộng giữa các trình phát hiện đa mô hình hiện đại và các sản phẩm đơn phân loại cũ kỹ.

Cuộc chạy đua vũ trang dài hạn hơi thiên về phía phát hiện. Mỗi thế hệ LLM giảm bớt các dấu vết phong cách bề mặt nhưng không thể dễ dàng loại bỏ các mẫu cấu trúc sâu hơn đến từ việc được huấn luyện như một trình dự đoán token tiếp theo trên dữ liệu quy mô internet. Những mẫu đó là những gì các trình phát hiện được thiết kế tốt học cách đọc hiểu.

Lời kết

Đúng vậy, GPT-5.5 có thể bị phát hiện vào năm 2026 — nếu bạn đang sử dụng đúng công cụ. Các trình phát hiện đơn phân loại được xây dựng trước năm 2025 về cơ bản đã ngừng hoạt động đối với đầu ra của GPT-5.5. Các trình phát hiện tập hợp với việc đào tạo lại liên tục giữ vững mức trên 90% đối với đầu ra thô và giảm nhẹ hiệu quả trước việc chỉnh sửa nhẹ. Cục diện phát hiện đã không chết cùng với GPT-5.5 — nó đã hợp nhất xung quanh các kiến trúc có khả năng thích nghi.