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.
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
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.
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
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.
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.
