Turnitin 能检测 Claude 吗？模型列表说明了什么

能。多个 Claude 变体出现在 Turnitin 公布的模型列表中。列表指出，Turnitin 面向英文提交的 AI 写作检测模型 can detect content from 一组模型，其中包括 Claude-3-Haiku、Claude Sonnet-3.5、Claude Sonnet-3.7、Claude Sonnet-4.5、Claude Sonnet-4.6、Claude-Haiku-4.5 和 Claude-Opus-4.5。列表还覆盖 "tools based on these LLMs as well"，也就是说基于 Claude 语言模型构建的应用也在声称的检测范围内。

不过，出现在列表上并不意味着 Claude 生成的每一段文字都会被标记。Turnitin 自己也承认部分 AI 文本会被漏检，而且检测能力会随着模型更新而变化。所以准确的回答是：Claude 在检测范围内，但覆盖不等于保证。

Turnitin 并没有公布一个带通过/不通过结果的模型表格。它在文档中提供的是一个内联列表。引导句写道："Currently, Turnitin's AI writing detection model for English submissions can detect content from" 一个包含上述 Claude 变体的列表，同时还包括 GPT、Gemini、LLaMA、Mistral、Deepseek、Nova、Grok 和 o1-mini。Turnitin 能查出 Claude、Copilot、Gemini 吗是从另一头读同一组名字。列表结尾声明覆盖范围扩展到 "tools based on these LLMs as well。" 紧跟列表后面的句子写道："We will continue to expand our detection capabilities to other models in the future."

这里的关键措辞是 "can detect content from。" 这句话告诉我们检测器经过了训练，可以识别这些模型生成的文本。它并不承诺完美检测。对于 Claude 来说，这意味着任何使用 Claude 语言模型来生成文本的工具或服务都在声称的范围内。检测器能否抓住每一个实例，是另一个问题，我们在下面讨论。

要理解为什么检测不是非此即彼的二元判断，需要看 Turnitin 描述的机制。"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated. Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score."

你报告上的最终百分比是许多句子级预测的汇总。它不是一次扫描就给整篇文档盖上 AI 或人类的印章。每个句子都对总分有贡献，重叠的片段帮助平滑边界情况。

Turnitin 的模型不是静态的。文档指出："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."

这有一个实际影响。如果你今天提交一篇文档并得到某个 AI 百分比，几周或几个月后重新提交同一篇文档，结果可能不同。模型会更新，这些更新可能让分数朝任一方向变动。今天读起来像人类写的段落，更新后可能被判定为 AI 生成，反之亦然。

对于 Claude 文本来说，你现在的检测率可能和将来的不一致。模型列表确认 Claude 在范围内，但检测灵敏度会随着 Turnitin 优化模型而变化。

Turnitin 对检测器不能抓住所有内容这件事是坦诚的。文档指出："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."

这是一个有意为之的取舍。Turnitin 优先保持低误报率，这意味着它接受部分 AI 文本会漏检。检测器倾向于谨慎行事，宁可漏掉 AI 文本，也不愿错误地将人类文本标记为 AI。

理解检测器为什么这样工作，需要看它实际测量的是什么。Turnitin 的模型并不依赖公共讨论中常提到的那些指标，Turnitin 到底用不用 perplexity 和 burstiness 来判定 AI的结论就落在这句话上。文档指出："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." 模型随后将学到的内容用于分类文本。如 Turnitin 所说："Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers."

换句话说，检测器看的是词概率模式，而不是句子长度变化或词汇稀有度这类表面信号。这就是为什么经过大量编辑或改写的 AI 文本有时能逃过检测，也是Turnitin 能检测出降 AI 工具吗只能一例一例看的原因。如果在编辑过程中词概率序列发生了足够大的变化，分类器可能不再将该文本识别为 AI 生成。

如果你的 Turnitin 报告将某些段落标记为 AI 生成，最实际的做法是只处理被标记的部分，而不是重写整篇文档，方法见只改写 Turnitin 报告标红的那几段。Turnitin 的句子级评分意味着你可以定位触发检测的具体片段，把修改精力集中在那里。

保留你的引用、表格和格式。只有被标记为 AI 的段落需要处理。如果你修改后重新提交，请记住 AI 百分比可能因为模型更新而变化，不一定只是因为你的修改。

符合条件时可以免费继续降 AI，所以你可以反复优化被标记的段落，直到百分比降到可接受的水平。