¿Detecta Turnitin los textos de DeepSeek? Lo que dice la lista de modelos

Sí. DeepSeek aparece citado expresamente en la lista de modelos que publica Turnitin. Según esa lista, el modelo de detección de escritura con IA de Turnitin para trabajos en inglés puede detectar contenido de un conjunto de modelos en el que entran DeepSeek, junto con GPT, Gemini, Claude, LLaMA, Mistral, Nova, Grok y o1-mini. La lista cubre además "tools based on these LLMs as well," (también las herramientas basadas en estos LLM), lo que significa que las aplicaciones construidas sobre los modelos de lenguaje de DeepSeek entran en el alcance de detección que se indica.

Ahora bien, figurar en la lista no significa que vayan a marcarte hasta el último pasaje que genere DeepSeek. El propio Turnitin reconoce que parte del texto escrito con IA pasa inadvertido y que la capacidad de detección se mueve con el tiempo, a medida que el modelo se actualiza. Así que la respuesta honesta es esta: DeepSeek entra en el alcance, pero entrar en el alcance no es ninguna garantía.

Turnitin no publica una tabla de modelos con resultados de detección tipo aprobado o suspenso. Lo que ofrece, dentro de su documentación, es una lista en línea separada por comas. La frase de apertura dice: "Currently, Turnitin's AI writing detection model for English submissions can detect content from" (actualmente, el modelo de detección de escritura con IA de Turnitin para trabajos en inglés puede detectar contenido de) una lista en la que aparece DeepSeek junto a otros modelos de lenguaje de primer orden. En esa misma línea están Claude y Gemini, que es justo la lista que se repasa en ¿detecta Turnitin Claude, Copilot o Gemini?. Y la lista cierra diciendo que la cobertura llega a "tools based on these LLMs as well." (también a las herramientas basadas en estos LLM).

La expresión clave aquí es "can detect content from." (puede detectar contenido de). Ese modo de formularlo nos dice que el detector está entrenado para reconocer el texto que generan estos modelos, no que prometa una detección perfecta. Igual de importante es la frase que aparece justo después de la lista: "We will continue to expand our detection capabilities to other models in the future." (seguiremos ampliando en el futuro nuestra capacidad de detección a otros modelos).

Llevado al caso de DeepSeek, esto significa que cualquier herramienta o servicio que use sus modelos de lenguaje para producir texto queda dentro del alcance indicado. Que el detector los pesque todos es otra pregunta, y la respondemos en los apartados que vienen a continuación.

Para entender por qué la detección no es un sí o un en blanco y negro, conviene mirar el mecanismo que describe Turnitin. Cuando se envía un trabajo, las oraciones se extraen y se dividen en secciones solapadas para someterlas a un análisis de predicción. Cada sección la clasifica el modelo de detección de IA y recibe un valor entre 0 y 1, que indica la probabilidad de que el texto sea humano o generado por IA. Dentro de esas secciones, cada oración que cumple los requisitos hereda la puntuación de su sección. Como las secciones se solapan, una misma oración puede acumular varias puntuaciones, que luego se unifican en una sola. Esas puntuaciones por oración se vuelven a agregar y sirven para calcular la puntuación global de escritura con IA del documento.

Esto quiere decir que el porcentaje final de tu informe es la suma de muchas predicciones pequeñas, hechas oración por oración. No hay un único escaneo que selle el documento entero como de IA o como humano. Cada oración aporta al total, y el solapamiento de secciones ayuda a limar los casos fronterizos.

El modelo de Turnitin no es algo fijo. Según la documentación: "As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage.. However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (a medida que iteramos y seguimos desarrollando nuestro modelo para detectar mejor los LLM más nuevos, es probable que nuestra capacidad de detección cambie también, lo que afecta al porcentaje de IA. Sin embargo, tratándose de un documento ya enviado, el porcentaje de IA solo cambiará si se vuelve a enviar para que se procese de nuevo).

Esto tiene una consecuencia práctica. Si entregas un documento hoy y te sale un determinado porcentaje de IA, ese mismo documento podría recibir un porcentaje distinto si lo reenvías semanas o meses después. El modelo se actualiza, y esas actualizaciones pueden mover las puntuaciones en cualquier dirección, que es una de las razones por las que tu puntuación de IA en Turnitin cambia al reenviar el trabajo. Un pasaje que hoy se lee como humano puede leerse como generado por IA después de una actualización, o al revés.

Para los textos de DeepSeek, esto significa que la tasa de detección que ves ahora puede no coincidir con la que veas más adelante. La lista de modelos confirma que DeepSeek está dentro del alcance, pero lo sensible que resulte esa detección puede variar a medida que Turnitin afine su modelo.

Turnitin no oculta que su detector no lo caza todo. La documentación lo dice así: "In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (para mantener esta tasa baja de falsos positivos del 1 %, aceptamos la posibilidad de que se nos escape parte del texto escrito con IA en un documento. Estamos tranquilos con ello porque no queremos señalar por error como escrito por IA un texto redactado por una persona. Por ejemplo, si identificamos que el 50 % de un documento probablemente lo escribió una herramienta de IA, ese documento podría contener hasta un 65 % de escritura con IA).

Es una compensación deliberada. Turnitin da prioridad a una tasa baja de falsos positivos, y eso implica aceptar que se cuele parte del texto de IA. Un documento que marca un 50 % de IA podría contener en realidad hasta un 65 % de contenido de IA. El detector peca de prudente: prefiere dejar pasar texto de IA antes que marcar por error texto escrito por una persona.

Para entender por qué el detector funciona así hay que ver qué es lo que mide de verdad. El modelo de Turnitin no se apoya en las métricas de las que más se habla en las conversaciones públicas sobre detección de IA, una negativa que desmontamos en ¿se basa Turnitin en la perplexity y la burstiness para detectar IA?. La documentación afirma: "Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions. Instead, it learns statistical patterns from our training data." (nuestro modelo no está programado explícitamente para evaluar señales concretas como la «burstiness», la «perplexity» u otras métricas individuales que a veces se mencionan en debates públicos; en lugar de eso, aprende patrones estadísticos a partir de nuestros datos de entrenamiento). Después, el modelo aplica lo que ha aprendido para clasificar el texto. En palabras de Turnitin: "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (nuestros clasificadores están entrenados para detectar esas diferencias en la probabilidad de las palabras y conocen bien las secuencias de probabilidad de palabras propias de quienes escriben).

Dicho de otro modo: el detector mira los patrones de probabilidad de las palabras, no señales de superficie como la variación en la longitud de las frases o lo poco común del vocabulario. Por eso un texto de IA muy editado o reescrito a veces logra esquivar la detección, y por eso también ¿detecta Turnitin los humanizadores de IA? no tiene un sí o un no limpio. Si las secuencias de probabilidad de las palabras se desplazan lo suficiente durante la edición, puede que el clasificador deje de reconocer el texto como generado por IA.

Si tu informe de Turnitin marca pasajes como generados por IA, lo más práctico es ocuparse solo de las partes marcadas en lugar de reescribir el documento entero, que es justo el método que se sigue en reescribir solo los párrafos que marcó un informe de Turnitin. Como Turnitin puntúa oración por oración, puedes localizar los segmentos concretos que dispararon la detección y concentrar ahí la revisión.

Deja intactas tus citas, tablas y formato. Lo único que necesita atención son los pasajes marcados como IA. Si revisas y vuelves a enviar el trabajo, ten presente que el porcentaje de IA puede moverse por las actualizaciones del modelo, no solo por tus cambios.

Los pasajes que cumplen los requisitos se pueden volver a procesar sin coste alguno.