Turnitin은 Claude, Gemini 및 DeepSeek를 탐지할 수 있는가?

예를 들어, 한 학생이 초안 작성을 위해 ChatGPT 대신 DeepSeek를 선택하는데, 이는 한 포럼 스레드에서 Turnitin이 OpenAI의 모델만 인식한다고 주장했기 때문이다. Turnitin은 ChatGPT를 탐지하는 방식으로 DeepSeek도 탐지할 수 있는가? 그러나 먼저, 이 분류기는 애초에 브랜드를 인식하도록 설계된 것이 아니었다. Turnitin의 자체 기술 설명에 따르면, 이 분류기는 애초에 브랜드를 인식하도록 만들어진 적이 없으며, 이는 대부분의 학생이 예상하는 것보다 질문의 성격을 더 크게 바꾼다.

AI writing indicator는 기계 생성 산문에서 나타나는 패턴, 단어 예측 가능성, 문장 리듬을 바탕으로 학습되며, 이는 사이트 자체의 AI 탐지기가 작동하는 방식에 대한 설명이 일반적으로 다루는 통계적 기반과 같다. 그렇게 학습된 모델은 어떤 회사의 서버가 그것을 생성했는지가 아니라, 해당 구절이 어떻게 읽히는지에 반응한다. 이 구분이 챗봇을 바꾸는 것이 탐지를 우회하는 방법인지에 대한 답의 대부분이다.

TextPulse의 Turnitin이 ChatGPT를 탐지할 수 있는지에 대한 안내는 그 보고서 하나의 작동 원리를 전부 다룬다. 즉, 그 비율이 무엇을 측정하는지, 누가 그것을 보는지, 그리고 Turnitin의 자체 테스트에 따르면 그것이 얼마나 정확한지 설명한다. 이 글은 그보다 더 큰 질문 안에서 반복적으로 제기되는 한 가지 질문, 즉 다른 챗봇을 선택하면 무엇이 달라지는지에 초점을 맞춘다.

Turnitin은 DeepSeek를 탐지할 수 있는가, 모델 비의존적 관점

Turnitin의 자체 자료는 탐지를 어떤 회사가 생성했는지가 아니라, 구절이 어떻게 읽히는지를 중심으로 설명한다. 이러한 틀은 같은 시스템 안에서 DeepSeek가 ChatGPT, Claude 또는 Gemini와 다르게 취급되는지 묻는 질문의 전부를 이룬다.

지시 조정된 모델이 왜 같은 통계적 형태로 수렴하는가

2023년 이후 출시된 모든 주요 챗봇은 대체로 같은 방식으로 만들어진다. 먼저 방대한 양의 텍스트에서 다음 단어를 예측하도록 학습한 뒤, 그 원시 예측 엔진을 프롬프트에 직접 응답하는 유창하고 협력적인 보조 도구로 바꾸기 위해 미세 조정한다. 이러한 수렴은 바로 그 두 번째 단계에서 일어난다.

그 결과, GPT, Claude, Gemini, DeepSeek 및 대부분의 다른 instruction-tuned assistant는 통계적으로 유사한 영역에 놓인 산문을 생성하는 경향이 있습니다. 즉, 일관되게 예측 가능한 단어 선택과 균일한 문장 리듬입니다. 한 모델의 출력에서 그러한 낮은 perplexity, 낮은 burstiness 특성을 인식하도록 훈련된 분류기는, 정의상, 원래 훈련 데이터에 포함되었는지와 무관하게 다른 여러 모델도 생성하는 어떤 것에 반응하고 있는 것입니다.

Turnitin이 모델 범위에 대해 실제로 말하는 것

Turnitin은 이것이 우연한 시험의 산물이 아니라 의도적인 설계 선택이라고 분명히 밝힙니다. 초기 AI writing detection model은 GPT-3, GPT-3.5 및 그 변형을 대상으로 훈련되었으며, Turnitin의 자체 문서에는 다음과 같이 명시되어 있습니다. 'Our technology can also detect other AI writing tools that are based on these models, such as ChatGPT.' 이는 분류기가 어떻게 일반화되는지에 대한 공급업체의 주장일 뿐, 독립적으로 검증된 결과가 아니며, 정확히 그렇게 읽는 것이 타당합니다.

DeepSeek은 그 목록에 나타나지 않습니다. 이후 Turnitin이 추가했다고 공개한 모델 목록은 매우 방대합니다. 이 글을 쓰는 시점에서, 그 목록에는 GPT-4 및 GPT-5 계열의 모델, Gemini의 Pro 및 Flash 계열, 최신 preview 버전을 포함한 모델, Claude Sonnet-4.5, 그리고 LLaMA가 포함됩니다.

모델	Turnitin의 자체 공개 자료가 말하는 내용
ChatGPT (GPT-3.5, GPT-4, GPT-4o, GPT-5 series)	명시적으로 언급되며, 원래 학습 집합과 그 직접적인 후속 모델들
Claude (Sonnet 4.5)	Turnitin의 현재 공개 목록에 명시적으로 언급됨
Gemini (Pro, 2.5 Pro, 2.5 Flash, 3-series previews)	Turnitin의 현재 공개 목록에 명시적으로 언급됨
LLaMA	Turnitin의 현재 공개 목록에 명시적으로 언급됨
DeepSeek	2026년 8월 기준으로 Turnitin의 공개 목록에 명시되어 있지 않음. Turnitin은 DeepSeek가 제외된다고 밝히지 않으며, 다만 이름으로 나타나지 않는다고만 밝힘
Any other chatbot built on a listed model	Turnitin은 자사의 기술이 명시한 모델을 기반으로 한 도구도 탐지한다고 밝힘

Turnitin이 공개하지 않는 내용

Turnitin 자체 자료에서 빠진 내용은 그 안에 있는 내용만큼이나 중요하다. Turnitin은 자신이 명시한 각 모델에 대한 별도의 정확도 수치를 공개하지 않으며, GPT-4와 Gemini와 Claude를 비교한 모델별 탐지율도 공개하지 않는다. 여러 사이트는 DeepSeek 탐지에 대해 구체적인 백분율을 제시하지만, 그 수치 뒤에 보이는 출처나 방법은 없다.

그 공백은 임의로 메우기보다 있는 그대로 받아들이는 것이 타당하다. DeepSeek를 포함해, 출처 모델별로 구분한 Turnitin의 AI writing indicator에 대한 독립적이고 방법론적으로 투명한 시험을 Turnitin 외부에서 공개한 곳은 없으므로, 어떤 모델의 탐지율에 붙은 구체적 수치는 1차 출처가 실제로 그것을 밝히기 전까지는 검증되지 않은 것으로 취급해야 한다.

공정한 비교를 구축하려면 각 모델에서 대규모의 최신 글쓰기 샘플을 수집하고, 그중 어느 것도 Turnitin의 자체 학습 데이터에 유출되지 않았음을 확인한 뒤, 동일한 조건에서 동일한 시점에 모두 같은 탐지기에 통과시켜야 한다. 공급업체들은 몇 달마다 모델을 업데이트하므로, 심지어 1년 전에 발표된 비교라도 이미 시험 당시의 형태로는 더 이상 존재하지 않는 챗봇을 설명하고 있을 수 있다. 이는 변명이 아니라 실제적인 방법론적 기준이며, 이 글이 아무도 실제로 측정하지 않은 탐지 비율의 집합이 아니라 Turnitin이 자체 범위에 대해 무엇을 말하는지를 보고하는 이유이기도 하다.

챗봇을 바꾸면 실제로 도움이 되는가?

Turnitin이 직접 공개한 증거로는 그렇지 않다. 브랜드명이 아니라 통계적 패턴에 반응하도록 설계된 분류기는 DeepSeek의 유창하고 예측 가능한 출력과 ChatGPT의 출력을 다르게 취급해야 할 뚜렷한 이유가 없으며, '이러한 모델을 기반으로 한' 도구를 탐지한다는 Turnitin의 자체 표현도 같은 방향을 가리킨다. 목록에 없다는 사실이 면책을 뜻한다고 가정하고 이름이 없는 챗봇을 고르는 것은 전략처럼 꾸민 추측에 불과하다.

과제 수행의 실무적 측면에서는 대학용 AI 에세이 인간화를 별도로 설명한다. 지원자는 같은 우려의 다른 형태에 직면하며, 대학 입학 전형에서 AI를 확인하는지 여부는 별도의 페이지에 있다.

더 신뢰할 수 있는 선택은 어떤 챗봇이 초안을 작성했는지보다 그 이후에 그것이 어떻게 처리되는지에 더 가깝다. 무료 burstiness 검사기는 채팅 창 상단에 어떤 모델 이름이 있든 상관없이 분류기가 반응하는 동일한 문장 리듬의 평탄함을 보여준다. TextPulse의 학생용 AI humanizer는 같은 통계적 층위에서 작동하며, 한 공급업체의 공개 목록에 있는 공백에 기대는 대신 문장 리듬과 구조를 재구성한다. 첫 초안을 어떤 챗봇이 작성했는지는, 제출하는 버전이 실제로 당신이 쓴 것처럼 읽히는지에 비하면 훨씬 덜 중요하다.