инструменты 29 июл 2026 1 мин

Pangram привлёк $9 млн на детекцию AI-контента: рынок требует защиты от машинного текста

Стартап Pangram из Нью-Йорка привлёк $9 млн (Menlo Ventures) на развитие детекторов AI-текста и изображений. Новая модель Pangram 4 заявляет 99%+ точность в распознавании текста, написанного AI или с его помощью, включая обход humanizer-программ. Уже встроены в Substack, используются Quora, вузами и рекрутерами. Спрос растёт: от политиков до юристов все чаще попадаются на машинных текстах с фейковыми ссылками и галлюцинациями.

AI-слоп заполняет интернет, от фейковых новостей до резюме и научных статей. Pangram — один из первых, кто превращает детекцию в бизнес-продукт, но это временное окно: технология быстро устареет или станет товаром.

Что произошло

Нью-йоркский стартап Pangram, основанный выпускниками Стэнфорда Максом Сперо и Брэдли Эми два года назад, привлёк $9 млн под лидерством Menlo Ventures. Одновременно компания запустила модель Pangram 4 для детекции AI-текста (заявленная точность >99%) и Pangram Image для распознавания AI-картинок (пока в превью).

Технология тренировалась на десятках миллионов человеческих документов, для каждого создавался «синтетический двойник» — текст той же длины и тональности, но написанный frontier-моделью. Детектор учится различать стилистические особенности и привычки AI, не полагаясь на метаданные или водяные знаки.

Ключевая фишка — распознавание не только полностью машинного текста, но и уровней AI-помощи: когда человек написал, но попросил AI отредактировать. Pangram считает, что использовать AI нормально, если автор это раскрывает.

Доступ — $20/месяц или расширение для Chrome, автоматически метит посты на X, LinkedIn, Substack, Reddit, Medium и показывает «здоровье ленты» (процент человек/AI). API уже интегрирован в Substack (чтобы показывать читателям, кто из авторов пишет сам), используют Quora, вузы, издатели, рекрутеры.

Тестирование показало: модель легко ловит тексты ChatGPT и Claude, редко обманывается редактурой, но иногда ошибается — помечает человеческие предложения как AI. Один из 10 тысяч человеческих документов маркируется неверно. Детектор изображений в тесте тоже показал себя сильно.

AI detectionстартапыдетекция текстаB2B SaaSконтент-модерация

Автор: Юлия Тарасова · Источник: TechCrunch AI

Разработчикам. API Pangram можно встроить в любой продукт — от образовательных платформ до редакторских CMS. Модель обучена на миллионах текстов, обновляется под новые модели (GPT, Claude), работает без водяных знаков. Есть Chrome-расширение и веб-доступ.

Бизнесу. Рынок детекции AI растёт: издатели, HR, вузы, платформы контента нуждаются в прозрачности. Pangram уже в Substack и Quora, подписка $20/мес, API для B2B. Конкуренты есть (Winston AI, Originality.ai, GPTZero), но спрос опережает предложение — институты вводят санкции за скрытое использование AI.

Инвесторам. Menlo Ventures делает ставку на спрос от медиа, образования, рекрутинга, соцсетей. AI-слоп загрязняет интернет, политики и юристы попадают в скандалы, вузы вводят баны. Потенциал: B2B-контракты с платформами, SaaS-модель, рост вместе с регуляцией AI. Риски: гонка вооружений с генераторами, точность не 100%.

Хайп55

Реальная польза68

Заработать72

B2B-продукт для издателей и платформ контента (Medium, LinkedIn, блог-хостинги) — API детекции + дашборд для модераторов
Плагин для HR-систем: фильтр резюме и сопроводительных, написанных AI, интеграция с ATS
Образовательная SaaS: детектор для вузов и школ с anti-cheating дашбордом, подписка на факультет/класс
Инструмент для журналистов и редакций: проверка авторов-фрилансеров, фактчекинг, интеграция в CMS
Сервис для соцсетей: маркировка ботов и AI-комментариев в реальном времени, монетизация через премиум-подписки или API для платформ

Точность не 100%: 1 из 10 тыс. ложных срабатываний — риск reputation damage и судебных претензий
Гонка вооружений: AI-генераторы учатся обходить детекторы (humanizer-программы), потребуется постоянное обновление модели
Конкуренция: рынок быстро насыщается (Winston AI, Originality.ai, GPTZero, Copyleaks), сложно удерживать дифференциацию
Регуляторный риск: если крупные модели внедрят обязательные водяные знаки, спрос на внешние детекторы упадёт

Pangram решает реальную проблему: интернет тонет в машинном тексте, и никто не знает, кому верить. Издатели, вузы, HR — все требуют прозрачности. Но фишка в том, что это не долгосрочная монополия. Детекторы и генераторы будут улучшаться параллельно, и через год-два либо появятся встроенные водяные знаки от OpenAI и Anthropic, либо humanizer-программы научатся обходить любой детектор.

Так что Pangram — это инструмент на переходный период, пока рынок не договорился о стандартах. Интеграция в Substack и Quora — умный ход, показывает, что платформы готовы платить за доверие аудитории. Но не надо обольщаться: точность не идеальна, и один ложный бан может стоить репутации. Для B2B — окей, для массового использования — с осторожностью.