AI-textdetektor – en signal, inte ett slutgiltigt svar
AI-detektion kommer snart — finns på vår roadmap, men är inte lanserad än. När den lanseras kommer varje AI-detektor — inklusive vår — ibland ha fel. Noplag visar en kalibrerad sannolikhet, inte ett ja/nej-utlåtande, och publicerar sin falsklarmfrekvens för engelska texter från icke-modersmålstalare. Vi bygger stöd för ChatGPT, Claude, Gemini, GPT-5 och Llama. Läs vad poängen faktiskt betyder innan de agerar på den — särskilt om det gäller beslut om student eller arbetssökande. Detektering är en signal av flera. Den ska aldrig vara den enda.
Detektionssignaturer för varje stor LLM.
Varje modell lämnar olika statistiska signaturer. Vi spårar dem per version och publicerar kalibrering per modell så De vet vad poängen återspeglar för den LLM som skrev texten.
ChatGPT
gpt-4o, o1, o3-familjer. Vi spårar förändringar mellan versioner; kalibreringen tränas om inom 30 dagar efter varje släpp. Rapporten visar vilken modellfamilj signalen bäst matchar.
Claude
Sonnet, Opus, Haiku-nivåer inom 3.x och 4.x. Detektionssignalen varierar beroende på läge (tänka vs. snabb); kalibreringen anges per läge i varje rapport.
Gemini
1.5 Pro, 2.0 Flash, 2.5 Pro. Flerspråkig signal är svagare för icke-engelska texter; rapporten visar detta som 'låg resurs-säkerhet' istället för att dölja det.
GPT-5
OpenAIs release augusti 2025. Beteendesignaturen skiljer sig från gpt-4o; vi tränar om mot modellkortets referensutdata inom 30 dagar från släpp.
Llama
3, 3.1, 3.3-familjen. Självhostade varianter är svårare — finetuning förändrar signaturen. Rapporten säger 'sannolikt LLM-genererat, familj Llama' snarare än att namnge en version.
Alla AI-detektorer överflaggerar texter från icke-modersmålstalare. Så här gör vi.
Liang et al. (Stanford, 2023) mätte 61 % falsk-positiv på TOEFL-uppsatser — sex gånger högre än för modersmålstalare. Varje detektor. Även vår, innan vi korrigerade.
Stanford-artikeln
Liang et al. (2023) testade alla kommersiella AI-detektorer mot TOEFL-uppsatser av icke-modersmålstalare. Benchmarkdetektorn flaggade 61 % som AI-genererat — sex gånger vanligare än för modersmålstalare. Samma texter, samma uppgift.
Vad vi omkalibrerade
Vi tränade om klassificeraren utan typiska ESL-stildrag — jämnlånga meningar, enklare ordförråd, färre idiom räknas inte längre som AI-signaler. Bara stildöva drag. Vi förutser via struktur, inte språkets stil.
Restfelprocent
Efter åtgärden: ett dokumenterat konfidensintervall per språk istället för ett enskilt huvudtal. Tabeller per språk publiceras när funktionen klarar utvärderingen — precis det som en institutionell granskning kräver.
När De ska bortse
Om De utvärderar en ESL-skribent och poängen hamnar mellan 20–80 %, se det som endast vägledande. Rapporten markerar 'låg tilltro — tolk noga' tydligt så användaren vet när det inte är ett beslutsunderlag.
Vad vi fortfarande missar
Hybridskrivning — LLM-utkast, putsat av modersmålstalare — är svårare än båda rena fallen. Rapporten markerar 'blandad signal, troligen hybrid' istället för att gissa; viss restfel lever här.
Var vi mäter
Offentliga TOEFL-uppsatser, Pan-Hispano akademiska inlämningar och CEFR-klassade flerspråkiga texter. Samma data som Liang et al. använde, plus 8 nyare korpusar insamlade 2024–2026. Referenser publiceras med metodbeskrivningen när funktionen lanseras.
En sannolikhet, inget utlåtande.
Poängen är en sannolikhet mellan 0 % och 100 %. Över 80 %: stor sannolikhet AI-genererat. Under 20 %: stor sannolikhet mänskligt. Bandet 20–80 % ska ses som en av flera signaler, inte som bevis. Använd detektering för att starta en diskussion, inte avsluta den.
Hög sannolikhet att texten är skriven av en människa. Andelen falska positiva för detta intervall publiceras per språk när funktionen klarar utvärderingen.
Modellen är inte säker. Se poängen som en bland flera — jämför med nya skrivprov, tidigare utkast, arbete skrivet under övervakning. Agera inte bara på detta.
Hög tilltro till att texten är producerad av en stor språkmodell. Fortfarande inget utlåtande. Kombinera med kontext (prompter, surfningshistorik, muntligt försvar) inför eventuellt beslut.
- 5LLM-familjer som omfattas vid lansering
- 61 %Falsklarm ESL, Stanford '23
- 30dplanerad omträningsfrekvens efter varje modellsläpp
- v1.2lanseringsmål för AI-detektion
- 2024detektions-FoU startar
Vi står på integritetens sida. Vi släpper inte ett verktyg för att lura detektering.
En humanizer är ett verktyg för att kringgå AI-detektion — den skriver om LLM-text för att sänka detektionspoängen. Vi skulle kunna bygga en. Det gör vi inte. Syftet med denna produkt är att synliggöra AI-användning, inte dölja den. Om detektering ska vara användbar kan inte samma leverantör både leverera detektor och humanizer. Vi har valt vår sida. När vi nämner humanizer här är det för att informera att de finns och kan vara använda före textinlämning — inte för att sälja en.
Läs hela ställningstagandetSå jämför vi med GPTZero, Originality.ai och Winston.
Fokuserar på utbildning, saknar plagiatkontroll, otydlig kalibrering. Bara AI-detektion; om De vill ha plagiat i samma rapport behövs två verktyg.
Identifiering + plagiat + öppen källkod-motor. Kalibreringsdata per modell publiceras. Samma rapport, samma leverantör, granskbart från början till slut.
'97 % exakt' i marknadsföring. Publicerad falsklarmfrekvens ej redovisad. Kalibrering endast för engelska. Sluten källkod — poängen går inte att granska.
Ärlig om ESL-bias (vi hänvisar till Liang 2023 med namn). Kalibrering för flera språk. Öppen källkod i motorn; metodbeskrivningen publiceras med funktionen.
Stark på ChatGPT-detektion. Svagare signal mot Claude och Gemini. Dyr vid större volymer; priset stiger efter 10k ord/månad.
Täcker alla huvudmodeller med likvärdig kalibreringsinsats. Fast pris till Pro-nivå. Självhostmöjlighet för köpare som kräver efterlevnad.
Tolv frågor, raka svar.
Vet vi inte svaret, så står det så. Listan uppdateras när kalibrering ändras.
- Är AI-detektion träffsäkert?
- Ärligt svar: ingen detektor är tillförlitlig på texter under cirka 200 ord, och alla detektorer har falska positiva som varierar beroende på skrivstil, språk och vilken LLM som genererat texten. Noplag åtar sig att publicera sina kalibreringsdata så att du vet vad 'noggrann' betyder för just ditt användningsfall; det publiceras tillsammans med funktionen.
- Flaggar Noplag min icke-engelska text som AI-genererad?
- Kan hända — och vi är öppna om det. Liang et al. (Stanford 2023) visade att alla kommersiella AI-detektorer överflaggerar ESL-författare. Våra skydd begränsar falsklarm för kända ESL-mönster, och vi publicerar restfelet. Om signalen är osäker visas det i rapporten.
- Vilka AI-modeller upptäcker Noplag?
- Vid lansering täcks ChatGPT (gpt-4o, o1, o3), Claude (Sonnet/Opus/Haiku, 3.x och 4.x), Gemini (1.5 / 2.0 / 2.5), GPT-5 och Llama 3.x. Detektion kommer snart; kvalitet varierar per modell och rapporten anger vilken modell signaturen matchar.
- Vad skiljer från GPTZero eller Originality.ai?
- Vi kombinerar AI-detektering med plagiatkontroll och levererar motorn som öppen källkod. GPTZero erbjuder endast detektering. Originality.ai är sluten källkod och redovisar inte data om ESL-bias. Se /vs-gptzero och /vs-originality-ai för jämförelser rad för rad.
- Kan studenter lura detektorn med en humanizer?
- Ja — humanizers finns och vi är ärliga om det. Tydlig omskrivning efter LLM minskar detektionssignalen. Vi levererar inte en humanizer (det strider mot vårt syfte). Se AI-detektion som en signal, aldrig som ett slutgiltigt svar.
- Vad betyder 'falskt positiv' här?
- Mänskligt skriven text som bedöms som AI-genererad. Vi kommer att mäta och publicera andelen per språk och skrivstilsgrupp. Det är aldrig noll för någon detektor — att behandla ett högt resultat som bevis istället för en signal att undersöka vidare är det felaktiga användningsmönster vi vill motverka med denna sida.
- Säljer ni 'detektering med 99% träffsäkerhet'?
- Nej. Alla som påstår över cirka 85 % varaktig träffsäkerhet över skrivstilar, språk och LLM:er ger en felaktig bild av vad matematiken tillåter. Vi publicerar det faktiska konfidensintervallet per språk när funktionen klarar utvärderingen. Vi säljer inte säkerhet.
- Är AI-detektion gratis?
- Detektion är på väg. Vid lansering är det gratis i gratisnivån — samma 2 500-ordsgräns som plagiatkontrollen. Betalda nivåer ökar gränsen; AI-detektering blir aldrig låst bakom separat tillägg.
- Hur aktuell är modellstöd?
- Vi tränar om AI-detektion inom 30 dagar efter nya LLM-släpp. Saknas stöd i vår kalibrering säger rapporten 'troligen LLM-genererat, okänd modell' istället för att gissa.
- Fungerar AI-detektion för flera språk?
- Engelska, spanska, franska, tyska och portugisiska har validerad kalibrering — starkast för engelska. Andra språk ger svar med flaggning 'låg resurs — tolka extra försiktigt.' Rapporten anger vilken kalibrering som gäller.
- Kan jag integrera AI-detektion via API?
- Snart. AI-detektion är på väg; när den lanseras returnerar /v1/checks både plagiat- och AI-poäng. Se /plagiarism-checker-api och /docs/api.
- Om jag är oenig med en poäng?
- Meddela oss. Vi loggar rättelser, tränar om inom 30 dagar efter varje modellsläpp och publicerar ändringar. Detektering är inte perfekt; vi lyssnar hellre på fel än ignorerar dem.
AI-detektering — på väg, gratis upp till 2 500 ord.
Kalibreringsdata, falsklarmfrekvenser och signaturer per modell publiceras. Se vad som ligger bakom innan De agerar.
Meddela mig när det är live