¿Puede Turnitin detectar Claude, Gemini y DeepSeek?

Por ejemplo, un estudiante elige DeepSeek en lugar de ChatGPT para un primer borrador, especialmente porque un hilo de foro afirmó que Turnitin solo reconoce los modelos de OpenAI. ¿Puede Turnitin detectar DeepSeek del mismo modo que detecta ChatGPT? Pero espere: el clasificador no fue diseñado para reconocer una marca en primer lugar. La propia descripción de su tecnología por parte de Turnitin dice que el clasificador nunca fue construido para reconocer una marca en primer lugar, lo que cambia la pregunta más de lo que la mayoría de los estudiantes espera.

El indicador de escritura con IA está entrenado con patrones de prosa generada por máquina, la predictibilidad de las palabras y el ritmo de las oraciones, el mismo terreno estadístico que cubre la propia explicación del sitio sobre cómo funcionan los detectores de IA en general. Un modelo entrenado de ese modo reacciona a cómo se lee un pasaje, no a qué servidores de qué empresa lo produjeron. Esa distinción es, en gran medida, la respuesta a si cambiar de chatbot es una forma de eludir la detección.

La guía de TextPulse sobre si Turnitin puede detectar ChatGPT aborda por completo la mecánica de ese informe concreto: qué mide el porcentaje, quién lo ve y cuán precisa dice ser la propia prueba de Turnitin. Este artículo se centra en una pregunta recurrente dentro de esa cuestión más amplia: si elegir un chatbot diferente cambia algo.

¿Puede Turnitin detectar DeepSeek? El punto agnóstico al modelo

Los propios materiales de Turnitin enmarcan la detección en cómo se lee un pasaje, no en qué empresa lo produjo. Ese marco es la base completa para preguntar si DeepSeek recibe un trato distinto de ChatGPT, Claude o Gemini dentro del mismo sistema.

Por qué los modelos ajustados por instrucciones convergen en la misma forma estadística

Todo chatbot importante lanzado desde 2023 se construye de la misma manera general: primero se entrena para predecir la siguiente palabra a través de una enorme cantidad de texto, y luego se ajusta para convertir ese motor bruto de predicción en un asistente fluido y cooperativo que responde directamente a una instrucción. Esa segunda etapa es donde ocurre la convergencia.

El resultado es que GPT, Claude, Gemini, DeepSeek y la mayoría de los demás asistentes ajustados por instrucciones tienden a producir una prosa situada en un territorio estadístico similar: elecciones de palabras consistentemente previsibles e incluso un ritmo de frase uniforme. Un clasificador entrenado para reconocer esa firma de baja perplejidad y baja variabilidad en la salida de un modelo está, por construcción, reaccionando a algo que varios otros modelos también producen, tanto si alguno de ellos formó parte de sus datos de entrenamiento originales como si no.

Lo que Turnitin dice realmente sobre la cobertura de modelos

Turnitin deja claro que se trata de una decisión de diseño deliberada, no de un accidente de las pruebas. Su modelo original de detección de escritura con IA fue entrenado con GPT-3, GPT-3.5 y sus variantes, y la propia documentación de Turnitin afirma sin rodeos: 'Our technology can also detect other AI writing tools that are based on these models, such as ChatGPT.' Esa es una afirmación del proveedor sobre cómo generaliza su clasificador, no un resultado probado de forma independiente, y conviene leerla exactamente así.

DeepSeek no aparece en esa lista. La lista publicada por Turnitin de los modelos que ha añadido desde entonces es extensa. En el momento de escribir esto, incluye modelos de las familias GPT-4 y GPT-5, las líneas Pro y Flash de Gemini, incluidas sus versiones de vista previa más recientes, Claude Sonnet-4.5 y LLaMA.

Modelo	Lo que dice la propia cobertura publicada de Turnitin
ChatGPT (GPT-3.5, GPT-4, GPT-4o, serie GPT-5)	Nombrado explícitamente, el conjunto de entrenamiento original y sus sucesores directos
Claude (Sonnet 4.5)	Nombrado explícitamente en la lista publicada actual de Turnitin
Gemini (Pro, 2.5 Pro, 2.5 Flash, vistas previas de la serie 3)	Nombrado explícitamente en la lista publicada actual de Turnitin
LLaMA	Nombrado explícitamente en la lista publicada actual de Turnitin
DeepSeek	No aparece nombrado en la lista publicada de Turnitin a fecha de agosto de 2026. Turnitin no afirma que DeepSeek esté excluido, solo que no aparece por nombre
Cualquier otro chatbot construido sobre un modelo incluido en la lista	Turnitin afirma que su tecnología también detecta herramientas basadas en los modelos que sí nombra

Lo que Turnitin no publica

Lo que falta en los propios materiales de Turnitin importa tanto como lo que contienen. Turnitin no publica una cifra de precisión separada para cada modelo que nombra, una tasa de detección por modelo para GPT-4 frente a Gemini frente a Claude. Varios sitios informan de un porcentaje específico para la detección de DeepSeek sin ninguna fuente visible ni método detrás de la cifra.

Conviene tomar esa laguna al pie de la letra en lugar de rellenarla. Nadie fuera de Turnitin ha publicado una prueba independiente y metodológicamente transparente de su indicador de escritura con IA desglosada por modelo de origen, incluido DeepSeek, de modo que cualquier cifra específica asociada a la tasa de detección de un modelo debe considerarse no verificada hasta que una fuente primaria la afirme realmente.

Construir una comparación justa implicaría recopilar una muestra amplia y actual de escritura de cada modelo, confirmar que nada de ella se hubiera filtrado en los propios datos de entrenamiento de Turnitin, y ejecutar todo ello a través del mismo detector, en las mismas condiciones y al mismo tiempo. Los proveedores actualizan sus modelos cada pocos meses, de modo que una comparación publicada incluso hace un año puede describir ya chatbots que no existen en la forma en que fueron probados. Ese es un umbral metodológico real, no una excusa, y por eso este texto informa de lo que Turnitin dice sobre su propia cobertura, en lugar de un conjunto de porcentajes de detección que nadie ha medido realmente.

¿Cambiar de chatbots realmente ayuda?

No según la evidencia que Turnitin publica por sí mismo. Un clasificador construido para reaccionar ante un patrón estadístico y no ante un nombre de marca no tiene una razón evidente para tratar la salida fluida y predecible de DeepSeek de manera distinta de la de ChatGPT, y el propio lenguaje de Turnitin sobre la detección de herramientas 'basadas en estos modelos' apunta en la misma dirección. Elegir un chatbot sin nombre con la suposición de que no aparecer en una lista equivale a inmunidad es una conjetura disfrazada de estrategia.

En el plano práctico del trabajo académico, humanizar un ensayo de IA para la universidad se expone por separado. Los solicitantes se enfrentan a una versión distinta de la misma preocupación, y si las admisiones universitarias comprueban el uso de IA tiene su propia página.

La opción más fiable se sitúa menos en qué chatbot produjo un borrador inicial y más en lo que ocurre después con él. Un comprobador gratuito de burstiness muestra la misma falta de variación en el ritmo de las frases a la que reacciona un clasificador, con independencia de qué modelo figure en la parte superior de la ventana de chat de la que proceda. El humanizador de IA para estudiantes de TextPulse trabaja sobre esa misma capa estadística, reconstruyendo el ritmo y la estructura de las frases en lugar de apostar por una laguna en la lista publicada por un proveedor. Qué chatbot escribió el borrador inicial importa mucho menos que si la versión que usted entrega realmente se lee como algo que usted escribió.