GPTZero è affidabile? GPTZero vs Turnitin vs ZeroGPT a confronto

GPTZero è affidabile? I test indipendenti dicono che lo è meno di quanto suggeriscano i suoi dati, e lo stesso vale per ZeroGPT e Turnitin. Un motivo più grande per cui i tre danno verdetti diversi sullo stesso paragrafo è che non misurano la stessa cosa. Turnitin riporta una quota della tua prosa, GPTZero una probabilità riferita all'intero documento, Originality.ai lascia decidere all'utente quanta AI tollerare, e ogni strumento traccia la sua linea in un punto diverso, con una lunghezza minima diversa, con un modello addestrato su dati diversi e aggiornato secondo i propri tempi.

Questo non dimostra che uno strumento sia guasto. È ciò che succede quando diversi classificatori probabilistici decidono in modo indipendente su un testo davvero ambiguo, come spesso è la prosa accademica formale.

Non riportano lo stesso numero

Il modo più rapido per capire perché i punteggi differiscono è leggere cosa dice ogni fornitore sul significato del suo numero principale. La tabella seguente usa solo le pagine pubbliche dei fornitori, e i dati sugli errori sono loro dichiarazioni, non nostre.

Metti due di questi a confronto. GPTZero spiega che "4% AI" non significa che il 4% del tuo documento contenga AI; è la probabilità, secondo il modello, che il documento sia interamente scritto dall'AI. Il 40% di Turnitin è invece un'affermazione su quanta parte della tua prosa sembra generata dall'AI. Sono entrambe percentuali, e rispondono a domande diverse. Sapling fa lo stesso avvertimento sulle proprie evidenziazioni: possono differire dal punteggio complessivo.

Le soglie sono scelte di policy

Ogni rilevatore trasforma un punteggio continuo in un'etichetta, e il punto in cui avviene il taglio è una decisione di progettazione. Testi umani e testi AI producono distribuzioni di punteggio che si sovrappongono. Sposta la soglia a destra e segnali meno persone ma perdi più testo AI; spostala a sinistra e succede il contrario.

• Testo scritto da persone
• Testo generato dall'AI

Illustrativo, non dati di un rilevatore specifico

I fornitori dicono apertamente da che parte pendono. Turnitin nasconde i punteggi tra l'1% e il 19% e accetta che un documento con un punteggio del 50% possa contenere più AI di così. GPTZero descrive una mappatura dell'output che orienta il rilevatore verso i falsi negativi piuttosto che i falsi positivi, e dice che quando non è sicuro tende in genere verso "umano". Originality.ai ora affida parte della decisione all'utente con l'impostazione AI Allowance, e Copyleaks offre una sensibilità regolabile. Due strumenti possono concordare sul segnale di fondo e non essere comunque d'accordo sull'etichetta.

Lunghezza e segmentazione cambiano il verdetto

I rilevatori hanno bisogno di abbastanza testo da misurare. Turnitin non valuta meno di 300 parole di prosa e dice che i documenti brevi vengono valutati quasi come un unico blocco. Sapling afferma che il suo rilevatore diventa molto più accurato oltre le 50 parole circa. GPTZero osserva che la sua previsione può dipendere da schemi presenti nel grosso del testo, quindi modificare alcune frasi evidenziate può spostare il punteggio meno di quanto ti aspetti.

È il problema frase contro documento che trattiamo in il rilevamento AI frase per frase. Uno strumento che valuta finestre sovrapposte, uno che valuta l'intero documento e uno che valuta frase per frase possono leggere in modo diverso lo stesso paragrafo.

We recruited 214 first-year nursing students across two campuses in spring 2024. The findings highlight the importance of resilience in shaping academic outcomes. Resilience scores rose most among students who had previously failed a clinical placement. These results contribute to a growing body of literature on student wellbeing.

Esempio illustrativo. Le frasi di inquadramento generiche tendono a risultare AI; quelle specifiche e ricche di dati tendono a risultare umane. Uno strumento a livello di documento potrebbe farne la media in un unico verdetto.

Dati di addestramento diversi, punti ciechi diversi

Ogni classificatore impara dal proprio mix di testo umano e automatico, e da un certo insieme di generatori. Turnitin pubblica l'elenco dei modelli che il suo rilevatore per l'inglese è addestrato a individuare. Il changelog di Sapling mostra lo stesso schema di aggiunta progressiva di nuove famiglie di modelli. Un paragrafo prodotto o rifinito da un modello su cui un fornitore si è addestrato e un altro no non verrà valutato allo stesso modo. Esaminiamo questa copertura in Turnitin rileva ChatGPT, Claude e Gemini?

I benchmark indipendenti mostrano quanto conti. RAID, un benchmark condiviso di Dugan et al. presentato ad ACL 2024, ha testato 12 rilevatori su oltre 6 milioni di testi generati da 11 modelli in 8 domini, con 11 attacchi avversariali e 4 strategie di decodifica. Gli autori hanno trovato che i rilevatori si lasciavano ingannare facilmente da attacchi, cambi nella strategia di campionamento, penalità di ripetizione e modelli generativi mai visti.

Uno studio precedente pubblicato sull'International Journal for Educational Integrity, Weber-Wulff et al. (2023), ha testato 14 strumenti e ha rilevato che nessuno raggiungeva l'80% di accuratezza secondo i suoi criteri, con una tendenza a classificare il testo come umano. Risultati come questi convivono con dati dei fornitori del 98% o del 99% perché usano test set diversi, tipi di testo diversi e definizioni diverse di accuratezza.

Gli aggiornamenti spostano l'asticella

I rilevatori cambiano spesso. Turnitin ha rilasciato aggiornamenti del modello a ottobre 2025 e febbraio 2026 e ha consolidato la sua architettura a luglio 2026; i vecchi report non vengono ricalcolati, ma i file inviati di nuovo sì. Il changelog di Sapling registra un aggiornamento a settembre 2026. Originality.ai ha ritirato i suoi modelli classici nello stesso mese. Un punteggio che hai visto in primavera è la lettura di uno strumento diverso da quello che il tuo editor usa in autunno.

GPTZero è affidabile? E ZeroGPT?

Entrambi i fornitori pubblicano dati molto positivi: GPTZero dice di mantenere il tasso di falsi positivi non oltre l'1%, e ZeroGPT dichiara un'accuratezza di rilevamento del 98,4%. I test indipendenti hanno trovato risultati più bassi e meno uniformi, anche se entrambi i test qui sotto sono precedenti alle versioni attuali di questi strumenti.

• Nello studio del 2023 di Weber-Wulff e colleghi, GPTZero ha classificato correttamente il 54% dei 54 documenti di prova con il criterio più severo, contro il 59% di ZeroGPT e il 76% di Turnitin. GPTZero era anche l'eccezione sulle accuse ingiuste: su metà dei 18 documenti scritti da persone, il suo risultato avrebbe potuto plausibilmente portare a un'accusa. ZeroGPT non ne ha prodotta nessuna.
• Nel benchmark RAID (2024), GPTZero ha raggiunto il 66,5% di accuratezza con un tasso di falsi positivi del 5% e si è mosso appena sotto un attacco con omoglifi che ha danneggiato la maggior parte degli altri rilevatori. Nei test sulle soglie di RAID, il tasso di falsi positivi di ZeroGPT non è sceso sotto il 16,9%.

Quindi GPTZero è accurato quanto Turnitin? L'unico studio qui citato che li ha testati entrambi metteva Turnitin avanti all'inizio del 2023, ed entrambi gli strumenti sono stati aggiornati da allora. Considera un punteggio di uno qualsiasi dei due come una singola lettura, non come un verdetto.

Quindi qual è il rilevatore AI più accurato?

Non esiste una risposta unica valida per tutti i tipi di testo, lunghezze, lingue e generatori, e chi te ne dà una sta citando un test set. Le dichiarazioni di accuratezza dei fornitori vengono dalle loro valutazioni. I benchmark indipendenti riportano numeri più bassi e più variabili. La domanda più utile è quale rilevatore usano davvero le persone che valutano il tuo lavoro, e come si comporta il tuo testo con diversi strumenti.

Ecco perché conviene controllare con più di un rilevatore:

• L'accordo è informativo. Se cinque strumenti leggono una frase come umana e uno la segnala, la segnalazione è probabilmente rumore. Se tutti e sei segnalano la stessa transizione generica, vale la pena riscriverla con parole tue.
• Il disaccordo indica testo di confine. Le frasi che cambiano esito da uno strumento all'altro sono di solito formulaiche: aperture fisse, frasi di sintesi, cliché valutativi. Vedi perché la prosa formale può sembrare scritta da un'AI.
• Nessuno strumento è il giudice finale. Turnitin, GPTZero e Sapling affermano tutti che il loro output non dovrebbe essere l'unica base per una decisione su una persona.

Controllare più rilevatori con Academic Humanizer

Academic Humanizer è validato con i sei rilevatori citati sopra: Turnitin, GPTZero, ZeroGPT, Copyleaks, Sapling e Originality.ai. Humanizer analizza la tua bozza per trovare le frasi che i rilevatori segnalano, riscrive solo quelle e lascia esattamente come le hai scritte le frasi che risultano già umane, e l'AI Detection Report integrato confronta la quota di frasi lette come umane prima e dopo. Non può garantire come un singolo rilevatore valuterà una versione futura del tuo testo, ed è proprio per questo che il report mostra il suo lavoro frase per frase e lascia a te la lettura finale.