На трети новых страниц веба видны следы ИИ: Pew прогнал 490 000 адресов

Это доля среди страниц с известной датой публикации. По всей случайной выборке июля 2026 отметку получили около 10% страниц: у доменов .com примерно 10%, у .org 4.6%, у .edu и .gov по 1%.

Как считали. 49 краулов Common Crawl с января 2021 по июль 2026, из каждого по 10 000 англоязычных страниц, детектор editlens_Llama-3.2-3B. Страница шла в зачёт при 0.2 по шкале, где ноль означает чистого человека, а единица чистый ИИ.

Поле даты публикации есть лишь у 10–15% страниц в крауле. На до-ChatGPT краулах детектор ошибается примерно в 1% случаев, поэтому доли за 2021–2022 авторы просят считать приблизительными.

Текст изменился и на глаз. Длинные тире на 10 000 слов с 2023 по 2026 год удвоились: 5.79 против 11.19. Оборот «не X, а Y» за те же три года вырос втрое, с 0.87 до 2.36.

Imperial College London, Internet Archive и Stanford считали отдельно, на детекторе Pangram v3, и к середине 2025 получили те же 35% новых сайтов. Из шести гипотез о вреде подтвердились две: тексты сузились по смыслу и стали позитивнее по тону. Падения фактической точности и стилевой унификации команда не нашла.

Детектор лежит открыто. Веса Open Pangram выложены на Hugging Face (коллекция pangram/open-pangram), код живёт в репозитории pangramlabs/EditLens. Ставится через pip install -r requirements.txt, обе модели, на 3 млрд и на 355 млн параметров, запускаются на MacBook. Лицензия CC BY-NC-SA 4.0 закрывает коммерческое использование.