> ## Content Index > Fetch the complete content index at: https://eclibra.com/llms.txt > Use this file to discover other available public pages before exploring further. # 49,4% и ниже: почему детекторы больше не распознают ИИ-картинки - URL: https://eclibra.com/synthetic-media-detection-decline-2026/ - Published: 2026-08-08T01:10:40.000Z - Updated: 2026-08-08T01:10:40.000Z - Description: Человек угадывает, сгенерировала ли картинку нейросеть, в 49,4% случаев — ниже случайности. Датасет CONVEX из 150 тысяч пар «пост — примечание» показал: автоматические детекторы теряют точность с каждым релизом генератора. Разбираем хронологию системной гонки детекции и генерации синтетики. - Author: TechPulse - Tags: Медиа в будущем, #mode-5, #hook-number, #track-A 49,4%. Так точно человек угадывает, сгенерировал ли картинку ИИ. Это ниже случайности — проще было бросить монетку. Лабораторные детекторы теряют чувствительность с каждым новым генератором, а точность человека не выходит за пределы статистической погрешности. Гонка между детекцией и генерацией проиграна — и датасет CONVEX фиксирует это с точностью до процента. 🎯 Распознавание синтетического контента деградирует быстрее, чем выходят новые генеративные модели. Датасет CONVEX из 150 тысяч пар «пост — примечание» показал: точность автоматических детекторов падает с каждым релизом генератора. Детекторы статичны, генераторы — нет. Нейронка, обученная на данных 2023 года, не узнаёт образцы Sora 2 и Gemini 3 Pro. Краудсорсинговые заметки сообщества работают точнее алгоритмов — но их модерация уже сама опирается на ИИ. Контекст истории — X Community Notes, краудсорсинговый слой проверки в соцсети X. Добровольцы помечают посты как вводящие в заблуждение, примечания видят миллионы подписчиков. Пять лет таких пометок — 1,8 миллиона записей — греческий центр CERTH превратил в датасет для исследования синтетики. ## Хроника: как детектор догоняет генератора ``` ХРОНИКА: Детекция синтетики против генераторов ────────────────────────────────────────────────────────── 2023 ──── 2024 ──── 2025 ──── 2026 🔬 ──── 🔬 ──── 🔬 ──── ◉ СЕЙЧАС Мало DALL·E 3 GPT-4o Sora 2, артефактов (авг.), интеграция Veo 3.1, у детекторы (апр.), «Нано- Детекторы генерато- роняют детекция банан» впервые ров точность роняет (Gemini) уступают ``` Каждый релиз генератора смещает статистические признаки, на которых обучены детекторы Детекторы ищут не «подделку», а закономерности: регулярный шум в спектре, способ простраивания текстур, артефакты апскейлеров. Каждые полгода вектор таких признаков сдвигается. Классификатор, обученный в 2023-м, в 2026-м фактически ослеп. CONVEX — «Community Notes for Visual Misinformation on X» (заметки сообщества о визуальной дезинформации в X): датасет из более чем 150 000 пар «сообщение — заметка» с разметкой, метаданными и метриками виральности. Сбор шёл с января 2021-го по январь 2026-го. Фильтр оставил 1 806 168 заметок с пометкой «вводит в заблуждение или потенциально вводит». Исследователи разделили контент на три типа: подписанный без контекста, отредактированный и полностью сгенерированный. Поведение у них противоположное. Сгенерированное распространяется пассивно — лайками и сохранениями, а не комментариями. В датасете DeepScan около 80% подтверждённой синтетики построено как журналистские кадры: не искусство, а «свидетельство» события, которого не было. ## Почему людям нужно больше времени #### Синтетика живёт на лайках Сгенерированный контент продвигается пассивно: лайки и сохранения, а не обсуждение. Сообщество замечает его позже других категорий. Зато очевидный синтетический пост получает общий вердикт быстрее: артефакты у массовых генераторов заметнее, и их проще подтвердить. ## Что показали детекторы Группа CERTH протестировала специализированные детекторы синтетики (SID) и визуально-языковые модели (VLM) на реальных кадрах из X. Это принципиальное отличие от лабораторных бенчмарков: здесь картинки прошли через соцсеть, сжатие и перезагрузки. Ключевой результат — True Positive Rate детекторов падает с каждой волной новых генераций. Динамика с 2023 по 2025 год по шестимесячным окнам — устойчивое снижение чувствительности ко всему новому. Частота ложных срабатываний при этом стабильна. То есть детекторы не «врут на всё подряд» — они перестают видеть новое. ⚠️ **Парадокс рынка** Рынок детекторов растёт быстрее, чем их точность: с $5,5 млрд в 2023-м до $15,7 млрд в 2026-м, примерно 42% в год. Капитал идёт в направление, где технология проигрывает. Лабораторные 95-99% превращаются в потери 10-30 пунктов уже на скриншоте. ## Где точка перелома Авторы прямо связывают всплески сгенерированного контента с релизами генераторов. В изображениях — DALL·E 3 (август 2024), интеграция в GPT-4o (апрель 2025) и Gemini 3 Pro Image («Nano Banana Pro»). Для видео — Sora 2 и Veo 3.1\. Каждый релиз — новая волна синтетики и удар по статичным детекторам. Человек не спасает. Пять независимых исследований 2025–2026 дают малоутешительную картину: Microsoft Research (12 500 участников, около 287 тысяч оценок) — 62% точности; исследование ACM (1276 участников) — 49,4%, ниже случайной догадки; iProov — лишь 0,1% участников смогли уверенно отличать реальное от синтетического во всех форматах. Вопрос даже не в том, кто лучший. Точка пересечения между лучшим алгоритмом и лучшим человеком сместилась: человек в среднем хуже даже деградировавшего классификатора, но оба работают без запаса прочности. ## Есть ли защита на входе #### Что могут публичные стандарты происхождения Google внедрил SynthID в Chrome и Search; OpenAI, NVIDIA и ElevenLabs его адаптируют. C2PA — стандарт криптографической подписи на входе, его поддерживают более 6000 компаний от Adobe до Sony. Но защита работает только для новых кадров от участвующих генераторов. Открытые модели (Stable Diffusion, Flux) и все «цензурированные» фото без подписи остаются за бортом. По данным Google, за время работы SynthID было помечено более 100 млрд единиц контента. Выглядит внушительно — пока не вспомнить, что ежедневно в Сеть попадают десятки миллионов картинок без какой-либо подписи. ## Почему это не только про «фейки» Массовая «синтетика» бьёт не по отдельным фактам, а по доверию к институтам целиком. Когда любой аудиофайл или видео можно назвать «дипфейком», исчезает и разоблачающий, и подтверждающий аргумент. Обзор журнала Frontiers in Political Science, вышедший в начале августа, называет это «налогом скептицизма»: люди перестают верить даже проверенной информации. 📊 **Ключевой сигнал для отслеживания** Переломный момент — когда визуально-языковые модели начнут системно обгонять специализированные классификаторы: принципы разметки изменятся за год. Прогресс Sora 3 / Veo 3.1 в видео: видео-детекция исторически слабее. Массовое внедрение C2PA / SynthID: чем больше подписанных источников, тем ниже цена доверия. Новые релизы генераторов инвалидируют текущие детекторы — проверяйте контекст перед тиражом. Давление регуляторов на платформы с обязательной маркировкой синтетики. Есть и обратная сторона гонки. Медиакомпании уже заметную долю бюджета постпроизводства переводят в ИИ-ассистированные процессы — сгенерированный контент стал нормой, а не исключением. Проблема не в запрете, а в правдивой картине. Как мы писали в июле в материале о сообществах и выявлении ИИ-контента, модераторы-люди справляются с примерами лучше платформенных алгоритмов. Вопрос — в цене этого доверия, когда каждый второй кадр синтетический. ## Источники [ The Synthetic Media Shift: датасет CONVEX и падение детектабельности Исследование CERTH: 150 000 пар «пост — заметка», виральность и деградация детекторов 2023-2025\. Первоисточник всех метрик статьи. arXiv / CERTH (греческий исследовательский центр) ](https://arxiv.org/html/2604.15372?ref=eclibra.com) Первоисточник — все точные метрики отсюда [ Синтетические медиа и их идентификация: Tech Horizons от британского ICO Регуляторный обзор систем происхождения, вотермаркинга и детекции для экосистемы ЕС. Information Commissioner's Office ](https://ico.org.uk/about-the-ico/research-reports-impact-and-evaluation/research-and-reports/technology-and-innovation/tech-toolbox-horizons-and-ico-tech-futures/tech-horizons-report-2025/synthetic-media-and-its-identification-and-detection?ref=eclibra.com) Государственная перспектива распознавания [ AI Image Detection Statistics 2026: Human vs Machine Сводка исследований 2025-2026: 62%, 49,4%, 0,1%. Человек против генератора. Morphed / Microsoft Research, ACM, iProov ](https://morphed.app/stats/ai-image-detection-statistics?ref=eclibra.com) Человеческий потолок распознавания