Czy Turnitin wykrywa Claude, Gemini i DeepSeek?

Na przykład student wybiera DeepSeek zamiast ChatGPT do pierwszej wersji tekstu, zwłaszcza dlatego, że w wątku na forum twierdzono, iż Turnitin rozpoznaje wyłącznie modele OpenAI. Czy Turnitin może wykryć DeepSeek tak samo, jak wykrywa ChatGPT? Ale chwila, klasyfikator nie został w ogóle zaprojektowany do rozpoznawania marki. Własny opis technologii Turnitin mówi, że klasyfikator nigdy nie został zbudowany po to, by rozpoznawać markę, a to zmienia pytanie bardziej, niż większość studentów się spodziewa.

Wskaźnik pisania AI jest trenowany na wzorcach w tekście generowanym maszynowo, przewidywalności słów i rytmie zdań, na tym samym gruncie statystycznym, który obejmuje własny opis tego, jak działają detektory AI na stronie ogólnie. Model trenowany w ten sposób reaguje na to, jak dany fragment brzmi, a nie na to, które serwery firmy go wygenerowały. To rozróżnienie stanowi w dużej mierze odpowiedź na pytanie, czy zmiana chatbotów jest sposobem obejścia wykrywania.

Przewodnik TextPulse o tym, czy Turnitin może wykryć ChatGPT omawia w pełni mechanikę tego jednego raportu, co mierzy procent, kto go widzi i jak dokładne, według własnych testów Turnitin, jest to rozwiązanie. Ten tekst zawęża uwagę do jednego powracającego pytania w obrębie tego szerszego zagadnienia, czy wybór innego chatbota coś zmienia.

Czy Turnitin może wykryć DeepSeek? Punkt niezależny od modelu

Własne materiały Turnitin ujmują wykrywanie w kategoriach tego, jak dany fragment brzmi, a nie tego, która firma go wytworzyła. To ujęcie stanowi całą podstawę pytania, czy DeepSeek jest traktowany inaczej niż ChatGPT, Claude lub Gemini w tym samym systemie.

Dlaczego modele dostrajane instrukcjami zbliżają się do tej samej postaci statystycznej

Każdy główny chatbot wydany od 2023 roku jest zbudowany w podobny sposób, najpierw trenowany do przewidywania następnego słowa w ogromnej ilości tekstu, a następnie dostrajany tak, aby przekształcić ten surowy mechanizm predykcyjny w płynnego, współpracującego asystenta, który odpowiada bezpośrednio na polecenie. To właśnie na tym drugim etapie dochodzi do zbieżności.

Wynik jest taki, że GPT, Claude, Gemini, DeepSeek i większość innych asystentów dostrojonych do instrukcji ma tendencję do tworzenia prozy mieszczącej się w podobnym obszarze statystycznym, konsekwentnie przewidywalne wybory słów i równy rytm zdań. Klasyfikator wytrenowany do rozpoznawania tego sygnatury niskiej perplexity i niskiej burstiness w wyjściu jednego modelu reaguje, z samej konstrukcji, na coś, co wytwarzają także kilka innych modeli, niezależnie od tego, czy którykolwiek z nich był częścią jego pierwotnych danych treningowych.

Co Turnitin Faktycznie Mówi o Pokryciu Modeli

Turnitin wyraźnie stwierdza, że jest to świadomy wybór projektowy, a nie przypadek testowania. Jego pierwotny model wykrywania pisania AI był trenowany na GPT-3, GPT-3.5 i ich wariantach, a dokumentacja Turnitin wprost podaje: 'Our technology can also detect other AI writing tools that are based on these models, such as ChatGPT.' To jest twierdzenie dostawcy o tym, jak jego klasyfikator uogólnia, a nie wynik niezależnie przeprowadzonego testu, i warto odczytywać je dokładnie w ten sposób.

DeepSeek nie pojawia się na tej liście. Opublikowana przez Turnitin lista modeli, które od tego czasu dodano, jest obszerna. W chwili pisania tego tekstu obejmuje modele z rodzin GPT-4 i GPT-5, linie Pro i Flash Gemini, w tym ich najnowsze wersje podglądowe, Claude Sonnet-4.5 oraz LLaMA.

Model	Co własna opublikowana dokumentacja Turnitin mówi o zasięgu
ChatGPT (GPT-3.5, GPT-4, GPT-4o, GPT-5 series)	Wymienione wprost, oryginalny zbiór treningowy i jego bezpośredni następcy
Claude (Sonnet 4.5)	Wymienione wprost w aktualnej opublikowanej liście Turnitin
Gemini (Pro, 2.5 Pro, 2.5 Flash, 3-series previews)	Wymienione wprost w aktualnej opublikowanej liście Turnitin
LLaMA	Wymienione wprost w aktualnej opublikowanej liście Turnitin
DeepSeek	Niewymienione w opublikowanej liście Turnitin według stanu na August 2026. Turnitin nie stwierdza, że DeepSeek jest wykluczony, jedynie że nie pojawia się z nazwy
Any other chatbot built on a listed model	Turnitin stwierdza, że jego technologia wykrywa także narzędzia oparte na modelach, które wymienia z nazwy

Czego Turnitin nie publikuje

To, czego brakuje we własnych materiałach Turnitin, ma takie samo znaczenie jak to, co się w nich znajduje. Turnitin nie publikuje osobnego wskaźnika trafności dla każdego modelu, który wymienia z nazwy, ani wskaźnika wykrywalności dla poszczególnych modeli, osobno dla GPT-4, Gemini i Claude. Kilka stron podaje konkretny procent wykrywania DeepSeek bez widocznego źródła lub metody stojącej za tą liczbą.

Warto przyjąć tę lukę dosłownie, zamiast ją uzupełniać. Nikt spoza Turnitin nie opublikował niezależnego, metodologicznie przejrzystego testu jego wskaźnika pisania AI, rozbitego według modelu źródłowego, w tym DeepSeek, więc każdą konkretną liczbę przypisaną do wskaźnika wykrywalności jednego modelu należy traktować jako niezweryfikowaną, dopóki źródło pierwotne rzeczywiście jej nie poda.

Stworzenie uczciwego porównania oznaczałoby zebranie dużej, aktualnej próby tekstów z każdego modelu, potwierdzenie, że żaden z nich nie wyciekł do własnych danych treningowych Turnitin, oraz przepuszczenie wszystkich przez ten sam detektor, w tych samych warunkach i w tym samym czasie. Dostawcy aktualizują swoje modele co kilka miesięcy, więc porównanie opublikowane nawet rok temu może już opisywać chatboty, które nie istnieją w formie, w jakiej je testowano. To jest rzeczywista bariera metodologiczna, a nie wymówka, i dlatego ten tekst przedstawia to, co Turnitin mówi o własnym zakresie pokrycia, zamiast zestawu procentów wykrywalności, których nikt faktycznie nie zmierzył.

Czy zmiana chatbotów rzeczywiście pomaga?

Nie, jeśli opierać się na dowodach, które publikuje samo Turnitin. Klasyfikator zbudowany tak, by reagować na wzorzec statystyczny, a nie na nazwę marki, nie ma oczywistego powodu, by traktować płynny, przewidywalny wynik DeepSeek inaczej niż wynik ChatGPT, a własny język Turnitin o wykrywaniu narzędzi „opartych na tych modelach” wskazuje na to samo. Wybór nienazwanego chatbota w przekonaniu, że brak na liście oznacza odporność, jest domysłem przebranym za strategię.

W praktycznym wymiarze pracy zaliczeniowej, humanizowanie eseju AI na studia zostało omówione osobno. Kandydaci mierzą się z inną wersją tego samego problemu, a to, czy rekrutacja na studia sprawdza AI, ma własną stronę.

Bardziej wiarygodny krok leży nie w tym, który chatbot wygenerował pierwszy szkic, lecz bliżej tego, co dzieje się z nim później. Darmowy checker burstiness pokazuje tę samą płaskość rytmu zdań, na którą reaguje klasyfikator, niezależnie od tego, jaka nazwa modelu widnieje u góry okna czatu, z którego tekst pochodzi. AI humanizer dla studentów TextPulse działa na tej samej warstwie statystycznej, przebudowując rytm i strukturę zdań, zamiast liczyć na lukę w opublikowanej liście jednego dostawcy. To, który chatbot napisał pierwszy szkic, ma znacznie mniejsze znaczenie niż to, czy wersja, którą oddajesz, rzeczywiście brzmi tak, jakbyś napisał ją sam.