Kann Turnitin Claude, Gemini und DeepSeek erkennen?

Zum Beispiel wählt ein Student DeepSeek statt ChatGPT für einen ersten Entwurf, vor allem weil ein Forenbeitrag behauptete, Turnitin erkenne nur die Modelle von OpenAI. Kann Turnitin DeepSeek so erkennen, wie es ChatGPT erkennt? Aber Moment, der Klassifikator war von vornherein nicht dafür entworfen, eine Marke zu erkennen. Turnitins eigene Beschreibung seiner Technologie sagt, dass der Klassifikator nie dafür gebaut wurde, eine Marke zu erkennen, was die Frage stärker verändert, als die meisten Studierenden erwarten.

Der KI-Schreibindikator ist auf Muster in maschinell erzeugter Prosa, Wortvorhersagbarkeit und Satzrhythmus trainiert, also auf demselben statistischen Terrain, das auch in der eigenen Darstellung der Funktionsweise von KI-Detektoren der Seite allgemein behandelt wird. Ein so trainiertes Modell reagiert darauf, wie ein Textabschnitt klingt, nicht darauf, welche Unternehmensserver ihn erzeugt haben. Diese Unterscheidung ist im Wesentlichen die Antwort auf die Frage, ob der Wechsel des Chatbots ein Weg an der Erkennung vorbei ist.

TextPulse's Leitfaden dazu, ob Turnitin ChatGPT erkennen kann behandelt die Mechanik dieses einen Berichts vollständig, was die Prozentzahl misst, wer sie sieht und wie genau Turnitins eigene Tests sagen, dass sie ist. Dieser Beitrag konzentriert sich auf eine wiederkehrende Frage innerhalb dieser größeren Frage, nämlich ob die Wahl eines anderen Chatbots etwas verändert.

Kann Turnitin DeepSeek erkennen? Der modellagnostische Punkt

Turnitins eigene Materialien rahmen die Erkennung danach, wie ein Textabschnitt klingt, nicht danach, welches Unternehmen ihn erzeugt hat. Dieser Rahmen ist die gesamte Grundlage für die Frage, ob DeepSeek innerhalb desselben Systems anders behandelt wird als ChatGPT, Claude oder Gemini.

Warum instruktionsabgestimmte Modelle zur gleichen statistischen Form konvergieren

Jeder große Chatbot, der seit 2023 veröffentlicht wurde, ist im Allgemeinen auf dieselbe Weise aufgebaut, zunächst darauf trainiert, das nächste Wort über eine große Menge Text vorherzusagen, und dann feinabgestimmt, um diese rohe Vorhersagemaschine in einen flüssigen, kooperativen Assistenten zu verwandeln, der eine Eingabeaufforderung direkt beantwortet. In dieser zweiten Phase findet die Konvergenz statt.

Das Ergebnis ist, dass GPT, Claude, Gemini, DeepSeek und die meisten anderen instruktionsoptimierten Assistenten dazu neigen, Prosa in einem ähnlichen statistischen Bereich zu erzeugen, mit durchgehend vorhersagbaren Wortwahlen und einem gleichmäßigen Satzrhythmus. Ein Klassifikator, der darauf trainiert wurde, diese Signatur aus niedriger Perplexität und niedriger Burstiness in der Ausgabe eines Modells zu erkennen, reagiert konstruktionsbedingt auf etwas, das auch mehrere andere Modelle erzeugen, unabhängig davon, ob eines von ihnen Teil seiner ursprünglichen Trainingsdaten war.

Was Turnitin tatsächlich über die Modellabdeckung sagt

Turnitin stellt ausdrücklich klar, dass dies eine bewusste Designentscheidung ist und kein Zufall des Testens. Sein ursprüngliches Modell zur Erkennung von KI-Texten wurde gegen GPT-3, GPT-3.5 und deren Varianten trainiert, und Turnitins eigene Dokumentation sagt unmissverständlich: 'Our technology can also detect other AI writing tools that are based on these models, such as ChatGPT.' Das ist die Behauptung eines Anbieters darüber, wie sein Klassifikator generalisiert, nicht ein unabhängig getestetes Ergebnis, und es lohnt sich, sie genau so zu lesen.

DeepSeek erscheint nicht auf dieser Liste. Turnitins veröffentlichte Liste der Modelle, die inzwischen hinzugefügt wurden, ist umfangreich. Zum Zeitpunkt dieses Schreibens umfasst sie Modelle aus den GPT-4- und GPT-5-Familien, Geminis Pro- und Flash-Linien, einschließlich ihrer jüngsten Preview-Versionen, Claude Sonnet-4.5 und LLaMA.

Modell	Was Turnitins eigene veröffentlichte Abdeckung sagt
ChatGPT (GPT-3.5, GPT-4, GPT-4o, GPT-5 series)	Explizit genannt, der ursprüngliche Trainingsdatensatz und seine direkten Nachfolger
Claude (Sonnet 4.5)	Explizit in Turnitins aktueller veröffentlichter Liste genannt
Gemini (Pro, 2.5 Pro, 2.5 Flash, 3-series previews)	Explizit in Turnitins aktueller veröffentlichter Liste genannt
LLaMA	Explizit in Turnitins aktueller veröffentlichter Liste genannt
DeepSeek	Stand August 2026 nicht in Turnitins veröffentlichter Liste genannt. Turnitin sagt nicht, dass DeepSeek ausgeschlossen ist, sondern nur, dass es nicht namentlich erscheint
Any other chatbot built on a listed model	Turnitin erklärt, dass seine Technologie auch Tools erkennt, die auf den von ihm genannten Modellen basieren

Was Turnitin nicht veröffentlicht

Was in Turnitins eigenen Materialien fehlt, ist ebenso wichtig wie das, was darin enthalten ist. Turnitin veröffentlicht keine separate Genauigkeitszahl für jedes von ihm genannte Modell, keine modellbezogene Erkennungsrate für GPT-4 im Vergleich zu Gemini im Vergleich zu Claude. Mehrere Seiten berichten einen bestimmten Prozentsatz für die DeepSeek-Erkennung ohne sichtbare Quelle oder Methode hinter der Zahl.

Diese Lücke sollte man beim Wort nehmen, statt sie zu füllen. Niemand außerhalb von Turnitin hat einen unabhängigen, methodisch transparenten Test seines KI-Schreibindikators veröffentlicht, aufgeschlüsselt nach Quellmodell, einschließlich DeepSeek, daher sollte jede konkrete Zahl, die mit der Erkennungsrate eines Modells verbunden ist, als unbestätigt gelten, bis eine Primärquelle sie tatsächlich nennt.

Eine faire Vergleichsstudie würde bedeuten, eine große, aktuelle Stichprobe von Texten aus jedem Modell zu sammeln, zu bestätigen, dass nichts davon in Turnitins eigene Trainingsdaten eingeflossen ist, und alles unter denselben Bedingungen zur selben Zeit durch denselben Detektor laufen zu lassen. Anbieter aktualisieren ihre Modelle alle paar Monate, daher kann ein Vergleich, der selbst vor einem Jahr veröffentlicht wurde, bereits Chatbots beschreiben, die in der getesteten Form nicht mehr existieren. Das ist eine echte methodische Hürde, keine Ausrede, und deshalb berichtet dieser Beitrag, was Turnitin über seine eigene Abdeckung sagt, statt eine Reihe von Erkennungsprozentsätzen zu präsentieren, die niemand tatsächlich gemessen hat.

Hilft es tatsächlich, Chatbots zu wechseln?

Nach den von Turnitin selbst veröffentlichten Belegen nicht. Ein Klassifikator, der auf statistische Muster statt auf einen Markennamen reagiert, hat keinen offensichtlichen Grund, DeepSeeks flüssige, vorhersehbare Ausgabe anders zu behandeln als die von ChatGPT, und Turnitins eigene Formulierung zur Erkennung von Werkzeugen, die 'based on these models' sind, weist in dieselbe Richtung. Einen ungenannten Chatbot in der Annahme zu wählen, dass das Fehlen auf einer Liste Immunität bedeutet, ist eine als Strategie verkleidete Vermutung.

Für den praktischen Teil von Studienleistungen wird die Humanisierung eines AI-Essays für das College gesondert dargestellt. Bewerbende stehen vor einer anderen Variante derselben Sorge, und ob College-Zulassungen auf AI prüfen hat eine eigene Seite.

Der verlässlichere Schritt hängt weniger davon ab, welcher Chatbot einen ersten Entwurf erzeugt hat, als davon, was danach mit ihm geschieht. Ein kostenloser Burstiness-Checker zeigt dieselbe Gleichförmigkeit des Satzrhythmus, auf die ein Klassifikator reagiert, unabhängig davon, welcher Modellname oben im Chatfenster stand, aus dem er stammt. TextPulse's AI humanizer for students arbeitet auf derselben statistischen Ebene und baut Satzrhythmus und Struktur neu auf, statt auf eine Lücke in der veröffentlichten Liste eines einzelnen Anbieters zu setzen. Welcher Chatbot den ersten Entwurf geschrieben hat, ist weit weniger wichtig als die Frage, ob die Version, die Sie einreichen, tatsächlich so liest, als hätten Sie sie geschrieben.