Pangram привлёк $9 млн на детекцию ИИ-контента: Substack уже встроил детектор

Раунд возглавил фонд Menlo Ventures. Среди участников, Haystack, ScOp, Script Capital и Cadenza. Параллельно с объявлением о привлечении средств Pangram запустил четвёртое поколение текстового детектора (Pangram 4) и модель для распознавания ИИ-изображений (Pangram Image). Источник новости: TechCrunch.

Что стоит за этим раундом?

Pangram основали около двух лет назад выпускники Стэнфорда Макс Сперо и Брэдли Эми. Толчком стал запуск ChatGPT: по словам Сперо, после него интернет заполнили боты, SEO-мусор от нейросетей и, как он выразился, «дезинформационные кампании, работающие на больших языковых моделях, включая российские и кампании из ОАЭ в Twitter».

Детектор Pangram устроен как большая модель машинного обучения (ML, программа, которая учится на примерах, а не по жёстким правилам). Её обучили на десятках миллионов текстов, написанных людьми. Для каждого документа создали «синтетическое зеркало»: копию с тем же объёмом, темой и тоном, но написанную ведущими языковыми моделями.

По словам Сперо, система не опирается на скрытые водяные знаки или метаданные копирования. Она ищет стилистические различия: устойчивые паттерны выбора слов и конструкций, типичные для ИИ.

Заявленная точность и первые тесты

Pangram заявляет, что четвёртая версия текстового детектора находит ИИ-тексты и смешанный контент (когда человек писал, а нейросеть редактировала) с точностью выше 99%. По данным компании, ложное срабатывание (человеческий текст, ошибочно помеченный как ИИ) случается примерно один раз на десять тысяч документов.

Журналист TechCrunch провёл собственную проверку:

• Полностью сгенерированные статьи от ChatGPT и Claude детектор определял уверенно.
• Попытки «очеловечить» ИИ-текст правками почти не помогли обмануть систему.
• Промпты (запросы к нейросети), специально составленные для обхода детекторов, тоже не сработали.
• Когда журналист попросил ChatGPT и Claude отредактировать свою статью, Pangram выставил оценку «13% ИИ-участия», что, по мнению автора, было близко к реальности.
• Однако после редактирования детектор иногда помечал полностью человеческие предложения как написанные ИИ.

Модель распознавания изображений пока доступна только в режиме исследовательского превью. Pangram обещает открыть её широко в ближайшие недели. В отличие от систем OpenAI или Google DeepMind, которые ищут собственные водяные знаки, Pangram Image заявлена как кросс-модельная: она должна определять ИИ-картинки независимо от того, какая модель их создала.

Кто уже использует детектор?

Подписка для обычного пользователя стоит 20 долларов в месяц. Есть расширение для Chrome, которое автоматически маркирует посты в реальном времени на X, LinkedIn, Substack, Reddit и Medium. Расширение показывает «индекс здоровья ленты»: процент ИИ-контента на экране.

Для бизнеса Pangram предлагает API (программный интерфейс, через который сторонний сервис подключает детектор к своей платформе). По словам Сперо, среди клиентов API: Substack (уже встроил детекцию, чтобы показывать читателям, кто из авторов пишет рассылки с помощью ИИ), Quora, школы, университеты, издательства, литературные агенты и рекрутеры.

Рынок детекции ИИ-контента не пуст: конкуренты Winston AI, Originality.ai, Copyleaks и GPTZero строят собственные детекторы.

«Невероятно ценно знать, смотрите ли вы на ИИ-текст или нет. Особенно когда читаете: это меняет подход. Нужно ли мне искать галлюцинации (когда нейросеть уверенно выдумывает факты) и относиться скептически, или я доверяю, что это добросовестно исследовано настоящим журналистом?» : Макс Сперо, сооснователь Pangram, в интервью TechCrunch

Почему рынок реагирует деньгами?

Спрос на детекцию ИИ-контента подкрепляется не абстрактными страхами, а конкретными инцидентами. В источнике приводятся два примера:

• Канадский политик зачитал в парламенте промпт вместо речи, что вызвало публичное осмеяние.
• Юристы представили в суде фальшивые ссылки, сгенерированные ChatGPT, и рискуют получить санкции и штрафы.

Институциональные правила тоже ужесточаются. Открытый научный архив arXiv в этом году ввёл новую политику: если в поданной статье найдены следы непроверенного вывода языковой модели (галлюцинированные ссылки, метакомментарии вроде «Хотите, чтобы я внёс правки?»), автору грозит запрет на публикацию сроком на год.

Деньги в детекцию идут именно потому, что площадки начинают требовать проверки, а не просто рекомендовать её. Раунд Pangram, один из серии сделок, в которой инвесторы ставят на то, что проверка контента станет стандартной строкой расходов для любого издателя.

Что делать с этим прямо сейчас?

Авторам Дзена и Substack. Если вы используете нейросеть для редактуры или переписывания абзацев, учитывайте: платформы начинают маркировать степень ИИ-участия. Substack уже это делает через Pangram. Лучшая стратегия: раскрывать использование ИИ добровольно, пока это не стало принудительным.

Маркетологам и SEO-специалистам. Массовый ИИ-контент для наполнения сайтов становится всё более рискованным. Поисковики и площадки получают инструменты, чтобы отличить его от авторского. Детекция ИИ-контента из экзотики превращается в стандартную проверку, и это сдвигает экономику: дешёвый сгенерированный текст теряет ценность быстрее, чем раньше.

Предпринимателям в РФ и СНГ. Pangram доступен через веб-интерфейс и Chrome-расширение, подписка оплачивается картой. Из российских инструментов для проверки текстов на ИИ-генерацию можно посмотреть на «Текст.ру» и «Антиплагиат» (оба добавили функции детекции ИИ). Прямого аналога с Chrome-маркировкой ленты в реальном времени на российском рынке пока нет.

Рынок детекции ИИ-контента растёт параллельно с рынком генерации. Пока одни стартапы учат модели писать, другие учат их ловить. Для авторов, которые зарабатывают текстом, вывод один: прозрачность в использовании ИИ перестаёт быть вопросом этики и становится вопросом доступа к площадкам.