Hoe nauwkeurig is de AI-detector van ZeroTell?
Op onze apart gehouden testset van 1.826 documenten in 10 talen markeerde de detector 4 van de 671 door mensen geschreven documenten als AI (0,6%) en herkende hij 90,6% van de door AI geschreven documenten. Bij tekst die een ander model heeft geparafraseerd doet hij het veel slechter, en geen enkele score bewijst wie iets heeft geschreven.
Het korte antwoord
De AI-detector van ZeroTell stuurt elke zin van een tekst naar Google's Gemini 3.8 Flash-model met onze eigen scoringsinstructies. Een zin die 50% of hoger scoort, wordt gemarkeerd als AI-achtig, en de score van het document is het aandeel van de tekst dat in gemarkeerde zinnen staat. Op 28 oktober 2026 hebben we het exacte model en de instellingen die de site gebruikt, gemeten op drie gelabelde testsets. Elk cijfer hieronder komt rechtstreeks uit het evaluatierapport dat ons testscript heeft opgeleverd; we vermelden alleen groepen met minstens 200 documenten of zinnen.
Twee resultaten zijn het belangrijkst. Menselijke teksten worden zelden gemarkeerd: 0,6% van de menselijke documenten in de apart gehouden set en 0,9% van de essays die niet-moedertaalsprekers van het Engels schreven. Maar AI-tekst die door een ander model is geparafraseerd, wordt in onze eigen data veel vaker gemist: slechts 71,1% van zulke documenten werd in de apart gehouden set herkend. Op de publieke MAGE-benchmark werd hetzelfde soort tekst veel vaker herkend (96,9%), dus de resultaten hangen sterk af van de tekst.
Resultaten per testset (documentniveau)
Een document telt als door AI geschreven wanneer de score 50% of hoger is, dat wil zeggen wanneer minstens de helft van de tekst in gemarkeerde zinnen staat. Een gemengd testdocument telt als door AI geschreven wanneer minstens de helft van de tekst door AI is geschreven. Vals-positiefpercentage = menselijke documenten die onterecht als AI worden gemarkeerd. Detectiepercentage = AI-documenten die correct worden gemarkeerd. AUROC (0,5 = gokken, 1,0 = perfecte scheiding) is niet afhankelijk van de drempel.
| Testset | Documenten | Menselijke documenten gemarkeerd als AI | AI-documenten gedetecteerd | AUROC |
|---|---|---|---|---|
| Apart gehouden testset (10 talen) | 1.826 | 0,6% (4 van 671) | 90,6% | 0,954 |
| Essays van studenten (niet-moedertaalsprekers van het Engels) | 555 | 0,9% (2 van 222) | 98,2% | 0,992 |
| Publieke MAGE-benchmark (buiten de distributie) | 1.599 | 0,3% (1 van 399) | 96,6% | 0,990 |
Welk soort AI-tekst wordt gemist
Detectiepercentage bij de drempel van 50%, uitgesplitst naar hoe de AI-tekst tot stand kwam. Groepen met minder dan 200 documenten zijn weggelaten.
| Testset | AI-tekst, onbewerkt | AI-tekst geparafraseerd door een ander model |
|---|---|---|
| Apart gehouden testset | 97,3% | 71,1% |
| Publieke MAGE-benchmark | 96% | 96,9% |
Resultaten op zinsniveau per taal
De detector markeert een zin wanneer de score 50% of hoger is. Apart gehouden testset; elke taal hieronder heeft minstens 200 zinnen.
| Taal | Zinnen | Menselijke zinnen gemarkeerd | AI-zinnen gemarkeerd | AUROC |
|---|---|---|---|---|
| Engels | 8.485 | 0,6% | 91,1% | 0,986 |
| Chinees | 5.762 | 0,1% | 92,3% | 0,980 |
| Japans | 1.588 | 1,6% | 97,7% | 0,996 |
| Koreaans | 877 | 0% | 87,4% | 0,987 |
| Spaans | 1.166 | 0% | 96,2% | 0,984 |
| Duits | 1.109 | 1,5% | 73,5% | 0,901 |
| Italiaans | 1.038 | 0% | 99,1% | 1,000 |
| Portugees | 980 | 0% | 91,4% | 0,993 |
| Maleis | 1.205 | 0% | 81,6% | 0,982 |
| Turks | 1.413 | 1,6% | 88,6% | 0,986 |
De drie testsets
Hold-out-testset (1.827 documenten, 23.635 zinnen): een vast deel van onze eigen gelabelde data dat we nooit gebruiken om de detector te ontwikkelen. Documenten worden toegewezen per bronngroep, dus er staat hier geen brontekst uit onze ontwikkeldata en ook geen AI-herschrijvingen daarvan. Menselijke teksten komen uit gepubliceerde bronnen, de meeste geschreven voordat AI-schrijftools gangbaar waren (nieuws-, encyclopedie- en webartikelen, menselijke antwoorden op vragen); AI-teksten omvatten onbewerkte modeluitvoer, tekst die door een tweede model is geparafraseerd, gehumaniseerde concepten en gemengde documenten, in 10 talen. De meeste AI-documenten in deze set zijn geschreven door Gemini- en GPT-modellen.
Studentessays (555 documenten): essays van studenten die geen moedertaalspreker van het Engels zijn, uit het ELLIPSE-corpus, gekoppeld aan AI-essays die op dezelfde prompts zijn geschreven en AI-essays die vervolgens zijn geparafraseerd of gehumaniseerd. Deze set wordt alleen gebruikt voor evaluatie, nooit om de detector te ontwikkelen.
MAGE-benchmark (1.600 documenten): een publieke onderzoeksbenchmark voor machinegegenereerde tekst die we niet hebben gebruikt om de detector te ontwikkelen. De benchmark bevat AI-tekst van modelfamilies die niet in onze eigen data voorkomen en een groot aandeel geparafraseerde AI-tekst. Omdat de benchmark openbaar is, kan het onderliggende Gemini-model delen ervan hebben gezien tijdens zijn eigen training; lees de resultaten dus als een optimistisch geval.
Beperkingen die je moet kennen
Dit zijn resultaten op onze testsets, geen garantie voor een specifieke tekst. Korte teksten, sterk bewerkte concepten, geparafraseerde AI-tekst en teksten van modellen die we niet hebben getest, kunnen allemaal anders scoren.
Een lage fout-positiefratio is niet nul. Als je gemarkeerd wordt, zie de score dan als een reden om beter te kijken, niet als bewijs — zie onze pagina Academische integriteit voor wat je kunt doen.
De cijfers zijn gekoppeld aan één model en één versie van hoe tekst ernaartoe wordt gestuurd. Wanneer we een van beide wijzigen, voeren we de evaluatie opnieuw uit en vervangen we dit rapport.
Hoe we hebben gemeten
Een evaluatiescript stuurt elk testdocument door dezelfde detector die de site gebruikt en vergelijkt vervolgens de score van elk document en elke zin met het bekende label. Het rapporteert resultaten bij twee drempels (50%, die de site gebruikt, en 70% ter vergelijking), per taal, genre en bron, en markeert elke groep met minder dan 200 items als te klein om te citeren. Deze pagina toont alleen de grotere groepen. Documenten die de contentfilter van Google weigerde te verwerken, hebben geen score en blijven buiten de cijfers: 1 in de hold-out-set, 0 onder de studentessays en 1 in MAGE. Elk ander document werd gescoord.
Veelgestelde vragen over de nauwkeurigheid van de detector
Op onze hold-out-testset van 1.826 documenten markeerde hij 0,6% van de menselijke documenten als AI en detecteerde hij 90,6% van de AI-documenten (AUROC 0,954). De resultaten verschillen per testset, en geparafraseerde AI-tekst wordt veel minder vaak opgemerkt.
Zelden op onze testsets: 0,6% van de menselijke documenten in de hold-out-set en 0,9% van de essays van niet-moedertaalsprekers van het Engels. Dat is niet nul, dus een score is nooit op zichzelf bewijs.
Minder betrouwbaar. In onze hold-out-set werd AI-tekst die door een ander model was geparafraseerd, 71,1% van de tijd gedetecteerd, tegenover 97,3% voor onbewerkte AI-tekst. Op de publieke MAGE-benchmark was het percentage voor geparafraseerde tekst 96,9%, dus het varieert sterk per tekst.
Nee. We hebben hem zelf uitgevoerd op onze eigen testsets en een publieke benchmark. We publiceren de methode, de sets en de beperkingen zodat je de cijfers kunt beoordelen, en we voeren de test opnieuw uit telkens als het model verandert.
Nee. Detectie is probabilistisch. Gebruik de score als één signaal naast concepten, versiegeschiedenis en een gesprek met de schrijver, zoals onze pagina Academische integriteit uitlegt.
Controleer een tekst met de ZeroTell AI-detector
Zie welke zinnen AI-geschreven lijken en waarom — en oordeel zelf.
Open de AI-detector