Что происходит с текстом после пяти humanizer-сервисов

469 слов. Столько было в исходной статье о комнатных растениях для квартиры с недостатком света. После обработки пяти сервисами получилось 446, 529, 494, 598 и 666 слов.

Все пять версий сохранили исходную тему. Дальше сходство быстро заканчивается. Где-то текст почти не вырос, но отдельные формулировки стали жёстче. Где-то появились грамматические сбои. Две версии заметно раздулись, хотя задача состояла в переписывании уже готового материала.

Мы взяли открытый цикл HumanizerBench за сентябрь 2026 года, сопоставили показатели 165 обработок пяти сервисов и отдельно прочитали пять результатов для одного общего исходника. Нас интересовал сам текст: сколько в нём осталось от исходного содержания, как изменилась длина, что случилось с формулировками и можно ли считать результат готовым к публикации.

Слово humanizer дальше означает сервис очеловечивания или переписывания ИИ-текста. Название оставляем в оригинальной форме, потому что именно так этот класс инструментов обычно обозначают сами сервисы и исследовательские работы.

Один исходник разъехался от 446 до 666 слов

Для подробного разбора мы выбрали общий тест HumanizerBench 10 Tips for Houseplants for Low-Light Apartments. Исходный текст состоял из 469 слов и был одинаковым для всех сервисов. В нём было десять советов: выбор теневыносливых растений, умеренный полив, дренаж, поворот горшков, очистка листьев, дополнительный свет и другие базовые рекомендации.

Сервис	Объём после обработки	Изменение длины	Сходство смысла*	Оценка читаемости*	Детекторы, пропустившие текст
WriteHuman	446 слов	-4,9%	92,3%	68/100	3 из 5
Stealth Writer	529 слов	+12,8%	95,0%	45/100	5 из 5
HIX Bypass	494 слова	+5,3%	94,3%	38/100	5 из 5
Undetectable.ai	598 слов	+27,5%	97,9%	74/100	5 из 5
Phrasly	666 слов	+42,0%	94,4%	78/100	5 из 5

* HumanizerBench считает сходство смысла через косинусную близость эмбеддингов входа и выхода. Читаемость там оценивает языковая модель. Это автоматические показатели.

Уже эта таблица показывает неприятную для простого рейтинга вещь. Четыре сервиса прошли все пять детекторов на конкретном тексте, но их результаты заметно различались по длине и качеству фраз. WriteHuman прошёл только три детектора, хотя в общем зачёте того же цикла у него был высокий показатель обхода. Один пример способен резко поменять впечатление о сервисе.

Исходник и все 14 переписанных версий опубликованы на странице этого теста HumanizerBench. Поэтому выводы по конкретным фрагментам можно проверить без доверия к нашему пересказу.

Как мы получили выборку из 165 обработок

В сентябрьском цикле HumanizerBench каждому сервису дали 33 одинаковых исходных текста. Для этой статьи мы выбрали пять сервисов, для которых опубликован полный набор результатов: WriteHuman, Stealth Writer, HIX Bypass, Undetectable.ai и Phrasly. Получилось 33 × 5 = 165 обработок.

HumanizerBench публикует исходники, результаты, ответы пяти ИИ-детекторов и код расчёта. В сентябрьском цикле весь бенчмарк охватывает 14 инструментов и 462 результата. Открытая страница доказательств позволяет перейти к каждому прогону, а репозиторий проекта содержит файлы для повторного расчёта.

Есть существенное ограничение: HumanizerBench управляется WriteHuman, который сам участвует в сравнении. Организатор раскрывает этот конфликт интересов и публикует данные для проверки. Открытость повышает проверяемость, но не превращает источник в независимую лабораторию. Поэтому мы не используем его общий рейтинг как окончательный вердикт.

Второе ограничение ещё важнее для блога Nesuho: сентябрьская выборка здесь англоязычная. Она подходит для анализа механики переписывания, длины и локальных смысловых сдвигов. По ней нельзя делать прямой вывод о качестве русского языка этих сервисов.

Что видно на всей выборке пяти сервисов

Страницы с открытыми результатами дают два удобных агрегата: среднее автоматическое сходство смысла и число прогонов, где текст пропустили минимум четыре из пяти детекторов. Мы добавили к ним штрафы качества, опубликованные в методике и итоговом протоколе цикла.

Сервис	Обработок	Среднее сходство смысла	Минимум 4 из 5 детекторов	Зафиксированные штрафы качества
WriteHuman	33	93,1%	27 из 33	Нет
Stealth Writer	33	94,1%	25 из 33	1 случай заметного смыслового сдвига
HIX Bypass	33	94,2%	26 из 33	Нет
Undetectable.ai	33	95,5%	25 из 33	6 случаев увеличения длины более чем в 1,4 раза
Phrasly	33	91,5%	23 из 33	5 случаев увеличения длины более чем в 1,4 раза и 1 заметный смысловой сдвиг

Здесь стоит аккуратно читать столбец со смыслом. Значение 95% не означает, что 95% фактов гарантированно сохранились. Это близость двух текстовых представлений в модели эмбеддингов. Она хорошо замечает общую тематическую близость, но может пропустить локальную замену модальности, новый совет или усиление утверждения.

Методика HumanizerBench прямо разделяет эти параметры. Обход детекторов весит отдельно, сохранение смысла отдельно, читаемость отдельно. За сильное увеличение или сокращение текста и заметный смысловой дрейф предусмотрены штрафы. Методика HumanizerBench публикует формулы и пороги.

Длина меняется первой, содержание начинает ползти следом

На выбранном тексте разброс от 446 до 666 слов возник из одного исходника в 469 слов. Само изменение объёма ещё не ошибка. Иногда редактура требует сократить повтор или раскрыть неясную фразу. Риск появляется, когда рост текста создаёт места для новых утверждений.

У Phrasly результат вырос примерно на 42%. Сервис добавил пояснения и усиленные формулировки, которых в исходнике не было в такой форме. Например, нейтральное допущение о комнате с окном превратилось в более уверенное обещание достаточного освещения. У Undetectable.ai текст вырос примерно на 28% и тоже получил дополнительные объяснения.

В автоматическом показателе смысла Undetectable.ai при этом получил 97,9%. Это хороший пример ограничения метрики: общий сюжет и большая часть содержания остались на месте, поэтому тексты очень близки в векторном представлении. Редактор всё равно должен проверить отдельные утверждения.

На уровне всей сентябрьской выборки HumanizerBench применил к Undetectable.ai шесть штрафов за увеличение длины более чем в 1,4 раза. У Phrasly таких случаев было пять. Значит, раздувание текста в этих данных встречается многократно и не сводится к одному удачно выбранному примеру.

Грамматика может ухудшиться при успешном обходе детектора

Stealth Writer и HIX Bypass на выбранном тексте получили по пять успешных вердиктов из пяти. При ручном чтении у обеих версий заметны фразы с нарушенной грамматикой и неестественной сочетаемостью слов. У Stealth Writer встречается сломанная конструкция о гибели растений от перелива, у HIX Bypass есть несколько мест, где предложение формально похоже на английский, но читается тяжело даже по меркам исходного языка.

Автоматическая оценка читаемости отражает этот сбой: 45/100 у Stealth Writer и 38/100 у HIX Bypass на том же прогоне. Детекторы при этом пропустили оба текста полностью.

Вердикт детектора не является оценкой редакционного качества. Он отвечает на узкую задачу классификатора. Грамматика, точность, ясность, факты и авторский голос остаются отдельными задачами.

Это согласуется с научной работой DAMAGE, опубликованной в сборнике GenAIDetect 2025. Авторы исследовали 19 инструментов очеловечивания и перефразирования, отдельно оценивая их влияние на детекцию и верность исходному смыслу. Публикация в ACL Anthology.

Сервис переписывает и голос автора

Фактические ошибки легче заметить, потому что у них обычно есть проверяемый источник. С голосом сложнее. Humanizer может сохранить десять советов, те же растения и тот же порядок, а текст всё равно станет другим по манере.

В нашем общем примере часть сервисов усиливает разговорность, часть делает фразы более официальными, часть добавляет эмоциональные оценки. Такие изменения не отражаются полноценно в показателе семантической близости. Для модели смысл может оставаться почти тем же, а для автора меняются интонация, дистанция и степень уверенности.

Поэтому при работе с брендовым, экспертным или личным текстом полезно защищать не только факты. Нужно сохранять модальность: где автор уверен, где допускает вариант, где предупреждает, где просто предлагает. Замена «может помочь» на «точно поможет» занимает несколько символов и способна изменить ответственность за утверждение.

165 обработок дают пять повторяющихся рисков

Сопоставление агрегатов и ручной разбор общего текста сводятся к пяти практическим рискам:

• Раздувание. Переписывание добавляет пояснения и украшения, хотя исходная мысль уже закончена.
• Локальный смысловой сдвиг. Общая тема сохраняется, но отдельное утверждение становится сильнее, слабее или конкретнее.
• Падение языкового качества. Текст получает странные обороты, ошибки согласования и механические перестановки слов.
• Смена голоса. Авторская интонация заменяется усреднённой разговорностью, официальностью или подчеркнутой эмоциональностью.
• Ложное чувство готовности. Успешный вердикт нескольких ИИ-детекторов воспринимается как сигнал качества, хотя эти системы не проверяют факты и редакционную задачу.

Мы сознательно не превращаем этот список в рейтинг сервисов. В одном и том же цикле результат меняется от текста к тексту. На выбранном примере WriteHuman прошёл три детектора из пяти, а четыре других сервиса прошли все пять. На всей выборке картина уже другая. Для редактора полезнее знать типы повреждений и проверять конкретный результат.

Как мы проверяем результат humanize в Nesuho

Из этого разбора следует рабочее правило, которое мы используем в Nesuho: обработанный текст остаётся черновиком, пока его нельзя сопоставить с исходником по содержательным инвариантам.

Перед публикацией мы проверяем:

• факты, числа, даты, имена и ссылки
• степень уверенности и условия утверждений
• причинно-следственные связи
• количество шагов, пунктов и обязательных действий
• тон и жанр исходного текста
• необъяснимый рост или сокращение объёма

Для сравнений «до/после» у нас действует правило нулевого прироста содержания. В версии после обработки не должно появляться нового тезиса, факта, аргумента, примера, действия или способа проверки, которого не было в исходнике. Если новая мысль действительно нужна, это уже отдельная редакторская работа, её нельзя маскировать под простое очеловечивание.

Такой подход не обещает определить авторство текста и не строится вокруг гарантированного обхода ИИ-детекторов. Задача nesuho.ru практичнее: убрать шаблонную манеру, сохранив содержание и функцию исходного текста.

Где заканчиваются выводы этого исследования

Эти данные описывают сентябрьский цикл 2026 года. Сервисы меняют модели и настройки, поэтому результат другого месяца может отличаться. Выборка HumanizerBench англоязычная, и переносить наблюдения на русский язык без отдельного теста нельзя.

В бенчмарке нет слепой панели людей, которая оценивает естественность каждой версии. Показатель читаемости выставляет языковая модель, а сохранение смысла считается автоматически. Мы использовали эти числа как ориентиры и вручную читали общий тест, но они не заменяют человеческую редакторскую проверку.

Наконец, источник имеет конфликт интересов: HumanizerBench принадлежит WriteHuman. Публичные исходники, результаты и расчётный код позволяют перепроверить данные, однако это ограничение всё равно остаётся частью интерпретации.

Практический вывод получился достаточно конкретным. После humanizer текст может стать короче, заметно длиннее, менее грамотным, более гладким или более разговорным. Общий смысл часто сохраняется на высоком уровне по автоматической метрике, а локальные формулировки всё равно требуют проверки. Финальным текст становится после сопоставления с исходником, а не после зелёного индикатора детектора.

Источники

• HumanizerBench: открытые результаты сентября 2026 года
• HumanizerBench: методика и формулы
• HumanizerBench: публичный репозиторий данных и кода
• WriteHuman: 33 открытых результата
• Stealth Writer: 33 открытых результата
• HIX Bypass: 33 открытых результата
• Undetectable.ai: 33 открытых результата
• Phrasly: 33 открытых результата
• DAMAGE: Detecting Adversarially Modified ИИ Generated Text