Recensione di Pangram AI Detector: lo strumento che i ricercatori continuano a convalidare

Pangram è il rilevatore di AI che i ricercatori indipendenti continuano a indicare, il che lo rende degno di un esame più attento rispetto al consueto quadro riepilogativo dei fornitori. La sua azienda, Pangram Labs, pubblica un tasso di falsi positivi di circa 1 su 10,000 e un'accuratezza dichiarata del 99.98 percento. Si tratta di numeri della stessa azienda, misurati sui suoi stessi benchmark. Ciò che distingue Pangram dalla maggior parte del settore è che, per una volta, recenti ricerche esterne vanno nella stessa direzione generale.

Due valutazioni indipendenti sono arrivate nell'ultimo anno: uno studio sottoposto a revisione paritaria della Vrije Universiteit Brussel, pubblicato da Springer nel June 2026, e un working paper della University of Chicago Booth School citato nel Chicago Booth Review nel December 2025. Entrambi collocano Pangram chiaramente davanti a rivali più noti, tra cui Turnitin, GPTZero e Copyleaks. Nessuno dei due studi considera il punteggio di un rilevatore come prova di qualcosa su uno specifico documento, e entrambi lo affermano esplicitamente.

Ciò che segue è ciò che Pangram dichiara di sé, ciò che i due studi hanno effettivamente misurato, dove le prove sono ancora fragili e che cosa l'ascesa di questo strumento dice sul resto del settore del rilevamento.

Che cos'è Pangram e chi lo usa

Pangram Labs è una piccola azienda fondata nel 2023 a Brooklyn da ricercatori di AI che in precedenza hanno lavorato presso Tesla e Google. Il prodotto analizza testi incollati o caricati e restituisce una stima di quanto di essi sia generato da AI, con evidenziazione a livello di frase, oltre al rilevamento delle immagini e al controllo del plagio nei piani a pagamento.

La sua base di utenti appare diversa da quella di Turnitin. Turnitin è venduto alle istituzioni e funziona all'interno dei sistemi di gestione dell'apprendimento, mentre Pangram può essere usato da chiunque abbia un account gratuito, il che significa che studenti, editor, personale delle riviste e addetti alle ammissioni lo utilizzano direttamente. È il nuovo arrivato in questo mercato e, sempre più spesso, è lo strumento a cui i ricercatori sull'integrità accademica ricorrono quando vogliono un termine di confronto, proprio perché continua a ottenere nei test risultati che gli operatori consolidati non ottengono.

Che cosa afferma il fornitore

La homepage di Pangram pubblicizza una precisione del 99.98 percento e afferma che il suo tasso di falsi positivi, cioè il tasso con cui documenti umani vengono erroneamente segnalati come AI, è attualmente di 1 su 10,000. Un post del blog aziendale sui falsi positivi, scritto dal suo CTO, scompone quel dato complessivo per genere: 0.004 percento sui saggi accademici, 0.001 percento sugli abstract scientifici, con punti deboli che la stessa azienda dichiara, come 0.05 percento sulla poesia e 0.23 percento sulle ricette. L'azienda afferma inoltre che il suo modello continua a rilevare testo AI anche dopo che è stato elaborato da cosiddetti strumenti humanizer.

Tutti questi sono numeri autodichiarati provenienti dai set di test della stessa azienda, e lo stesso post riporta anche le cautele dell'azienda: il modello funziona meglio su testi più lunghi scritti in frasi complete, e l'azienda sconsiglia di sottoporre a screening elenchi puntati brevi o testi altamente formulari. Tenere presenti entrambe le metà di questo quadro. Le affermazioni sono insolitamente specifiche e insolitamente basse, e restano comunque affermazioni finché qualcuno esterno all'azienda non le verifica.

Cosa mostra l'evidenza indipendente

Il test più solido fino a oggi è uno studio sottoposto a revisione paritaria di Van Vlasselaer, Van Droogenbroeck e Spruyt alla Vrije Universiteit Brussel, pubblicato nel giugno 2026 nell'International Journal for Educational Integrity. Il team ha costruito 160 elaborati accademici di livello magistrale, ciascuno di almeno 4.000 parole: 40 scritti da studenti reali prima del 2019, 40 generati interamente con GPT-4o Deep Research, 40 ibridi e 40 generati dall'AI e poi deliberatamente umanizzati. Li hanno sottoposti tutti a Turnitin, GPTZero, Copyleaks e Pangram.

Per gli elaborati completamente generati dall'AI, lo studio riporta che Turnitin, GPTZero e Copyleaks "hanno completamente fallito nel rilevare il contenuto generato dall'AI". Turnitin ha assegnato a ciascuno di quei 40 elaborati un punteggio compreso tra 0 e 20 percento di AI; le mediane dei tre strumenti consolidati si sono tutte collocate sotto il 20 percento su elaborati che erano al 100 percento scritti da una macchina. Pangram ha raggiunto un'accuratezza rigorosa del 65 percento e un'accuratezza inclusiva del 97.5 percento sullo stesso insieme, classificando erroneamente un elaborato. Nel gruppo umanizzato, Pangram ha identificato correttamente il contenuto AI in 37 casi su 40, con un'accuratezza rigorosa del 92.5 percento, mentre GPTZero ha raggiunto il 2.5 percento, Copyleaks il 22.5 percento e Turnitin il 50 percento.

Strumento	Elaborati completamente AI (accuratezza rigorosa)	Elaborati AI umanizzati (accuratezza rigorosa)	Elaborati umani correttamente esclusi
Pangram	65%	92.5%	100%
Turnitin	0%	50%	100%
GPTZero	0%	2.5%	100%
Copyleaks	0%	22.5%	100%

Il secondo dato è un working paper di Brian Jabarian e Alex Imas presso Chicago Booth, riassunto nel Chicago Booth Review nel dicembre 2025. Testando i detector su circa 2,000 passaggi scritti da esseri umani in sei supporti, più versioni AI di quattro modelli frontier, hanno riscontrato che il tasso di falsi positivi di Pangram era sostanzialmente zero nella maggior parte delle soglie decisionali, con un'accuratezza che non è mai scesa sotto il 99.8 percento nel loro corpus e falsi negativi tra il 2 e il 4 percento a seconda del modello. I ricercatori propongono che le istituzioni adottino un limite rigoroso di policy, per esempio non più dello 0.5 percento della scrittura umana segnalato, prima di affidarsi operativamente a qualsiasi detector. Si noti la differenza di status: il paper di Booth è un working paper, non ancora sottoposto a peer review, e ha testato testo AI non modificato invece di elaborati accademici umanizzati.

Falsi positivi e chi ne viene danneggiato

I falsi positivi sono il punto in cui si concentra il danno dei detector, e il modello documentato in questo settore è che le segnalazioni colpiscono in modo sproporzionato gli scrittori di inglese non madrelingua. Lo studio VUB merita di essere letto proprio su questo punto: i suoi 40 elaborati umani erano tutti scritti da parlanti non madrelingua inglese, e tutti e quattro gli strumenti, incluso Pangram, li hanno superati al 100 percento. È un risultato davvero incoraggiante, e sono anche 40 elaborati. Un campione di questa dimensione non può confermare un tasso come 0.004 percento; solo i test interni molto più ampi del vendor producono numeri così precisi, e nessuna parte esterna li ha replicati a quella scala.

La sezione del mondo reale dello studio mostra perché la cautela sopravvive anche a benchmark validi. Quando i ricercatori hanno esaminato Pangram su 1.163 tesi di master effettive del 2024 e del 2025, ha segnalato il 45.5 percento di esse a qualche livello, con una mediana della quota di AI stimata del 30 percento tra i casi segnalati, e non esiste alcuna verità di riferimento per nessuna di quelle tesi. Gli autori sono diretti: i punteggi di rilevazione sono utili segnali iniziali e non dovrebbero mai essere l'unica prova in decisioni ad alto rischio. Uno studente che affronta un'accusa ha ancora bisogno di modi basati sul processo per dimostrare la paternità, qualunque rilevatore abbia prodotto il numero.

Prezzi e accesso

Il sito di Pangram offre 20 controlli gratuiti al giorno dopo la registrazione di un account, con abbonamenti a pagamento che aggiungono volume di crediti e funzionalità come il rilevamento del plagio. Questo modello di accesso conta quanto i numeri di accuratezza: a differenza di Turnitin, che uno scrittore incontra solo quando un'istituzione lo esegue contro di lui, Pangram può essere controllato direttamente, così uno scrittore può vedere la stessa classe di segnale che un revisore potrebbe vedere prima che venga inviato qualcosa.

Dove si colloca Pangram nel panorama dei rilevatori

Il riassunto del campo degli autori della VUB è netto: "Tra i quattro strumenti di rilevazione AI studiati qui, al momento solo uno ha prodotto risultati soddisfacenti." Questa frase dice tanto degli operatori dominanti quanto di Pangram. Turnitin, lo strumento su cui la maggior parte delle istituzioni fa effettivamente affidamento, ha ottenuto zero sul set interamente generato da AI, e il suo record di falsi positivi documentato separatamente ha già costretto le università a trattare con cautela i suoi punteggi. Tutti questi strumenti misurano proprietà statistiche del testo, e i meccanismi sottostanti spiegano sia perché il più recente approccio di addestramento di Pangram può superare gli altri, sia perché ciascuno di essi resta probabilistico.

Il verdetto onesto: Pangram è attualmente il rilevatore meglio supportato nei test indipendenti, con un margine molto ampio, sulla base delle evidenze recenti. Tuttavia, tali evidenze sono anche limitate. Due studi, uno sottoposto a peer review e uno no, entrambi dell'ultimo anno, per lo più in inglese, per lo più testi accademici e web di forma estesa. Il rilevamento è una corsa agli armamenti contro modelli che cambiano ogni trimestre, e uno strumento che è in testa nel 2026 mantiene tale vantaggio solo fino alla generazione successiva di testo. Un punteggio Pangram è una stima meglio calibrata di quelle prodotte dai suoi rivali. Resta comunque una stima, non una prova di ciò che abbia fatto una persona specifica.

Vedi il confronto completo

Pangram è uno strumento tra molti in un settore affollato e disomogeneo. Per vedere come si colloca rispetto a Turnitin, GPTZero, Copyleaks, ZeroGPT e agli altri secondo gli stessi criteri, consulta la guida completa AI detectors compared.

Cosa ha trovato la nostra ricerca

Nello studio sull'accordo tra rilevatori di TextPulse Research, nove rilevatori commerciali di IA hanno valutato gli stessi 90 testi accademici. Uno era un testo ibrido di 455 parole: apertura e chiusura scritte da un umano attorno a una parte centrale di 168 parole generata dall'IA. Pangram ha assegnato a questo testo 34% di IA, mentre i verdetti degli altri strumenti sulle stesse parole andavano da 0% a 95.7% di IA. L'articolo completo, il corpus e la matrice dei punteggi per strumento sono ad accesso aperto su TextPulse Research.