Hur noggrann är ZeroTells AI-detektor?

ZeroTells AI-detektor skickar varje mening i en text till Googles Gemini 3.8 Flash-modell med våra egna bedömningsinstruktioner. En mening som får 50 % eller högre markeras som AI-liknande, och dokumentets poäng är andelen av texten som finns i markerade meningar. Den 28 oktober 2026 mätte vi den exakta modell och de inställningar som webbplatsen använder på tre märkta testset. Varje siffra nedan kommer direkt från den utvärderingsrapport som vårt testskript producerade; vi citerar bara grupper med minst 200 dokument eller meningar.

Två resultat spelar störst roll. Mänsklig text flaggas sällan: 0,6 % av de mänskliga dokumenten i det fristående testsetet och 0,9 % av uppsatserna skrivna av studenter med engelska som andraspråk. Men AI-text som parafraserats av en annan modell missas mycket oftare i våra egna data: bara 71,1 % av sådana dokument fångades i det fristående testsetet. På det offentliga MAGE-benchmarket fångades samma typ av text mycket oftare (96,9 %), så resultaten beror starkt på texten.

Undanhållen testuppsättning (1 827 dokument, 23 635 meningar): en fast andel av våra egna märkta data som vi aldrig använder för att utveckla detektorn. Dokumenten tilldelas efter källgrupp, så ingen källtext från våra utvecklingsdata, och inga av dess AI-omskrivningar, förekommer här. Mänskliga texter kommer från publicerade källor, de flesta skrivna innan AI-skrivverktyg blev vanliga (nyheter, uppslagsverks- och webbartiklar, mänskliga svar på frågor); AI-texter omfattar oredigerad modellutdata, text parafraserad av en andra modell, humaniserade utkast och blandade dokument, på 10 språk. De flesta AI-dokument i denna uppsättning skrevs av Gemini- och GPT-modeller.

Studentuppsatser (555 dokument): uppsatser av studenter med engelska som andraspråk från ELLIPSE-korpuset, parade med AI-uppsatser skrivna på samma uppmaningar och AI-uppsatser som sedan parafraserades eller humaniserades. Denna uppsättning används endast för utvärdering, aldrig för att utveckla detektorn.

MAGE-riktmärket (1 600 dokument): ett offentligt forskningsriktmärke för maskingenererad text som vi inte använde för att utveckla detektorn. Det innehåller AI-text från modellfamiljer som inte finns i våra egna data och en stor andel parafraserad AI-text. Eftersom riktmärket är offentligt kan den underliggande Gemini-modellen ha sett delar av det under sin egen träning, så läs resultaten som ett optimistiskt fall.

Detta är resultat på våra testuppsättningar, inte en garanti för någon specifik text. Korta texter, hårt redigerade utkast, parafraserad AI-text och text från modeller vi inte testat kan alla få olika poäng.

En låg andel falska positiva är inte noll. Om du blir flaggad bör du se poängen som en anledning att titta närmare, inte som ett bevis – se vår sida Akademisk integritet för vad du ska göra.

Siffrorna är knutna till en modell och en version av hur text skickas till den. När vi ändrar något av detta kör vi utvärderingen igen och ersätter denna rapport.

Ett utvärderingsskript skickar varje testdokument genom samma detektor som webbplatsen använder och jämför sedan varje dokuments och varje menings poäng med dess kända etikett. Det rapporterar resultat vid två trösklar (50 %, den som webbplatsen använder, och 70 % för jämförelse), per språk, genre och källa, och markerar varje grupp med färre än 200 poster som för liten att citera. Den här sidan visar bara de större grupperna. Dokument som Googles innehållsfilter vägrade bearbeta har ingen poäng och lämnas utanför siffrorna: 1 i den undanhållna uppsättningen, 0 bland studentuppsatserna och 1 i MAGE. Alla andra dokument poängsattes.