name: slopotron description: Слопотрон — находит и убирает AI-маркеры, канцелярит и мёртвые паттерны в русскоязычном тексте, то, что выдаёт нейросеть. Использовать, когда просят «почистить от AI», «убрать нейрослоп», «сделать текст живым / человеческим», «прогнать через слопотрон», или когда нужно понять, чем текст пахнет машиной. Работает в два режима: Fix (находит + правит) и Detect (только список флагов). Не переписывает логику и структуру — только убивает маркеры.

Слопотрон — детектор нейрослопа

Ищет и убивает AI-маркеры, нейротропы и мёртвые паттерны в русскоязычном тексте. Не трогает логику и структуру — чистка стиля, а не редактура смысла.

Это opinionated инструмент: чек-лист собран под живой разговорный русский (посты, рассылки, эссе), а не под академический или юридический текст. Раздел «Типографика» заточен под короткие посты в мессенджерах — под свою платформу его можно ослабить. Всё остальное — общие признаки машинного текста.

Список маркеров датирован (версия 2026-09-29, ревизии 2026-06-18 · 2026-07-13 · 2026-08-03 · 2026-09-07 · 2026-09-29) и живой: обороты устаревают, как только их «спалят» (английский delve рухнул в частоте к 2025, вырос significant). Маркеры ещё и model-specific — у разных моделей свой отпечаток. Если правишь старым списком — сверься со свежим ресёрчем, а не верь ему слепо.

Секции «Провенанс: структурная переполненность» и «Самокомментирование аргумента» — адаптация категорий §0 и §12 из cw-ai-check (Every, MIT), переложенных на русский и на кластерную логику этого скила.

Ревизия 2026-09-29 — первая с корпусным замером: 459 живых телеграм-постов, опубликованных до выхода ChatGPT (30.11.2022), против 989 парных генераций девяти моделей сентября 2026 (та же тема, тот же канал, тот же объём). Цифры «люди → модели» ниже — оттуда.

Принцип кластера (читать первым)

Нейрослоп — это статистическая перепредставленность, а не эксклюзивность. Каждое слово и оборот из чек-листа встречается и у живых авторов. Сигнал даёт не одиночный маркер, а кластер: 3+ маркера в одном абзаце. Одиночное тире, одна «экосистема», один параллелизм — не приговор, и трогать их не обязательно. Парцелляция — такой же маркер, как остальные. До ревизии 2026-09-29 она правилась всегда, включая одиночную; замер это правило снял: живые авторы ставят её в 11% постов, модели в 16%.

Почему это важно: и люди, и автоматические детекторы ловят AI примерно на угадайку (~50%; на текстах не-носителей ложные срабатывания доходят до 60%+), а главная ошибка чистки — стерилизация живого текста (редактор, художка, эссе законно используют тире, параллелизмы, рит-оф-три). Правишь связку, а не каждое совпадение. Когда сомнение «это автор или нейросеть» — оставляй; правь только то, где маркеры идут стаей.

Один фрагмент — один флаг. Если цитата подходит под несколько пунктов, в таблицу идёт одна строка по самому точному пункту, и в кластер она считается одним маркером: одна фраза, найденная трижды, — не стая. Фрагмент — это одна цитата под одним дефектом, а не абзац: два разных дефекта в соседних предложениях — две строки. Обратное тоже верно: плотность повышает серьёзность, но не заменяет находки — каждое вхождение остаётся отдельной строкой со своей цитатой, иначе в Fix-режиме нечего править. (Предложено в issue #4; вторая половина — из ru-text, MIT.)

Маркеры устаревают двумя способами. Первый известный: оборот «спалили» — модели уходят от него. Второй, коварнее, — просачивание: AI-ассоциированные слова растут в живом человеческом письме (+15,1% в среднем по 34 языкам за три года при −4,5% у контрольных; значимо во всех 34 — Juzek 2026). Маркер остаётся частым у моделей и одновременно перестаёт различать, потому что люди начали так писать. Отсюда: список обязан быть датирован, а при сомнении «автор или модель» решать в пользу автора.

Предел механичности. Надёжность правила пропорциональна его механичности. «Найди подстроку X» работает; «почувствуй, что здесь пусто» — нет: на разметке слопа reasoning-модель с гайдом на руках проваливается, потому что предпочитает собственный выход (Shaib et al. 2026). Правило, которое нельзя проверить поиском или счётом, даёт находку на решение автора, а не правку в текст.

Триггеры и режимы

Триггер	Режим
«прогони через слопотрон» \| «почисти нейрослоп» \| «убери AI-маркеры» \| «сделай человечнее» \| «/slopotron»	Fix (default) — находит + правит + отдаёт
«только флаги» \| «detect» \| «что здесь выдаёт нейросеть»	Detect — только список проблем, не правит

Процесс

Порядок проходов важен: сначала провенанс, потом лексика. Начинать с чёрного списка слов неправильно — текст бывает кристально чист по словарю и полностью машинный по устройству.

Проход 0 — провенанс и переполненность. Только если на руках есть источник (расшифровка, бриф, заметки, черновик автора). Сверить текст с источником по секции «Провенанс: структурная переполненность». Нет источника — проход пропускается, расхождения не выдумывать.

Проход 1 — самокомментирование. Прогнать секцию «Самокомментирование аргумента» двумя тестами (удаления и референта). Источник не нужен, работает на голой прозе.

Проход 2 — механический чек-лист. Пройти по остальным категориям. Каждое нарушение — зафиксировать с цитатой. Затем применить «Принцип кластера»: одиночный маркер в живом абзаце — пометить, но не обязательно править; править в первую очередь там, где маркеры идут стаей (3+ в абзаце). Технические артефакты — вне порога, они работают поодиночке.

Проход 3 — свежий взгляд. Перечитать текст целиком и спросить: «что здесь всё ещё выдаёт нейросеть?» Это не повторный прогон чек-листа — это интуитивный взгляд на текст как на целое. Самый слабый узел конвейера (см. «Предел механичности»): находки этого прохода по умолчанию идут на решение автора, а не в текст.

Проход 4 — самопроверка. Перечитать очищенный текст и спросить: «Я убрал старые паттерны, но не добавил ли новые?» Типичные ошибки второго прохода: все абзацы одинаковой длины (убивая дефекты, выровнял ритм), слишком чистая структура (текст стал аккуратным, но стерильным), вялая концовка (последний абзац просел после удаления клише), текст чистый, но безликий (нет голоса автора). Если любой из этих признаков есть — применить секцию «Оживление текста».

Fix mode: Применить все правки точечно. Не переписывать, не переструктурировать — только убивать маркеры.

Чек-лист

Провенанс: структурная переполненность

Проход 0, до лексики. Модель дописывает то, чего в источнике не было: связку между фактами, объяснение, симметрию, эмоцию, разрешение. Текст при этом бывает кристально чист по словарю. Адаптация cw-ai-check §0 (Every, Compound Writing, MIT).

Уверенность зависит от того, есть ли источник — расшифровка, бриф, заметки, черновик, интервью. Есть → флаг и правка на полной уверенности. Нет, на руках только готовая проза → расхождение не выдумывать, формулировать вопросом автору. Без источника «дописал» и «знал» неразличимы, и попытка угадать даёт гиперкоррекцию.

Недоказанная связка. В источнике два факта стоят рядом — в тексте между ними причина: «поэтому», «из-за этого», «это привело к тому, что» → вернуть соседство без причины
Усиленная уверенность. Автор сомневался, предполагал, слышал от кого-то — текст утверждает → вернуть исходную модальность
Аккуратное объяснение. У автора «так вышло», «не знаю почему» — в тексте стройный механизм → вернуть незнание, оно и есть содержание
Подгонка под таксономию. Разнородные примеры выстроены в ряд («три причины», «два типа», «четыре этапа»), хотя в источнике ряда не было → разобрать ряд обратно
Приписанная реакция читателя. «Здесь вы поймёте», «это знакомо каждому», «читатель ждёт», «звучит контринтуитивно» — без основания в источнике → убрать
Голосовой приём с неправдоподобной плотностью. Фирменный ход автора (шутка, самоирония, короткая реакция) стоит в каждом абзаце — у живого автора он редкий и стоит там, где сработал → проредить до исходной частоты
Метафора, растянутая ради связности. Образ введён один раз осмысленно, дальше поддерживается для сцепки абзацев, а не для понимания → оборвать после первого употребления
Концовка закрывает больше, чем закрыл автор. В источнике вопрос остался открытым — в тексте вывод и разрешение → вернуть открытый финал

Самокомментирование аргумента

Текст описывает свой аргумент вместо того, чтобы его делать. Простые слова, короткие фразы, ни одного маркера из словарей ниже — поэтому переживает любую лексическую чистку и не ловится больше ничем в этом чек-листе. Адаптация cw-ai-check §12 (Every, MIT).

Вне кластерного порога: срабатывает не по совпадению со списком, а по прохождению теста, поэтому одиночное — уже находка. Но правка здесь трогает ткань смысла, а не синтаксис: в сомнительном случае отдавать автору, а не вносить молча.

Два теста, достаточно любого:

Тест удаления. Вырезать фразу. Если аргумент устоял и потерялось только сопровождение читателя — это были леса.
Тест референта. Существительное указывает на сам текст, а не на предмет разговора: «история», «раздел», «картина», «вывод», «граница», «сюжет», «половина», «часть», «линия».
Самооценка доказательства: «самое чистое, что мы нашли», «главный аргумент здесь», «это меня и убедило», «цифры менее убедительны» → оставить факт, оценку отдать читателю
Указатель по структуре: «другая половина истории», «дальше — про деньги», «это только верхушка», «здесь начинается интересное», «но об этом ниже» → убрать, переход делает сам текст
Эпистемический ярлык: «открытый вопрос в том, что», «две вещи остаются неясными», «это осложняет картину», «здесь я не уверен» → назвать сам факт, который создаёт неопределённость
Характеристика цитаты до цитаты: «лучше всех сказал N», «жалоба была единодушной», «показательна реплика» → дать имя и действие, дальше цитату

Не путать с рассуждением. Выбор между двумя находками — утверждение о мире, оно остаётся: «проверка стройки может изменить выбор отеля, а вёрстка страницы — нет». Описание того, что выбор сделан, — леса, уходит: «проверка стройки — более сильный аргумент».

Технические артефакты (вне принципа кластера)

Работают поодиночке: человек такого не производит. Проверяются поиском подстроки или кодпоинта, а не суждением — самая надёжная категория во всём чек-листе.

Невидимые символы. U+202F (узкий неразрывный пробел) на месте обычного — ChatGPT o3/o4-mini и GPT-5; U+E200 / U+E201 / U+E202 — обёртки цитат при стриминге веб-поиска. На глаз не видны, переживают копипаст, человек их не печатает. Искать по кодпоинту. U+00A0 — слабый сигнал второго ряда: его массово производят Word и веб-редакторы
Следы механизма цитирования: contentReference, oaicite, oai_citation, turn0search0, attributableIndex, голый +1 (ChatGPT); [cite: 1], [span_1](start_span) (Gemini); grok_card, grok_render_citation_card_json (Grok); линзовидные скобки 【】 и † (DeepSeek); attached_file, ppl-ai-file-upload (Perplexity)
UTM-метки чат-ботов в ссылках: utm_source=openai, utm_source=chatgpt.com
Служебные токены и заглушки, протёкшие при копипасте: <|end|>, <|im_end|>, [MASK], оборванный тег на середине, placeholder-URL https://example.com, шаблоны RAG-цитирования вида [Источник: ...]. Уверенность средняя: механизм очевиден, но задокументированных случаев в открытых источниках нет
Протёкшая служебная рамка ответа: «Конечно, вот черновик статьи…», «Сообщите мне, если хотите, чтобы статья была расширена», «По состоянию на моё последнее обновление знаний в январе 2022» (дата всегда «зависла» в прошлом относительно публикации), «Хотя подробная информация ограничена в предоставленных результатах» → удалить, это остаток диалога, а не текст
Markdown, протёкший в среду, которая его не рендерит: ** в мессенджере; ** вместо ''' и ### вместо == в вики; --- вместо ----
Протёкшие HTML-сущности: буквальные —, –,  ,  , «, », “, ” в простом тексте (вне кода и HTML-вёрстки) — несработавший рендер при копипасте из чат-интерфейса → заменить символом. Уверенность средняя: полевое наблюдение одного автора (habr, 23.09.2026), объём находок не измерен
Битые источники как признак происхождения: 404 в день публикации, несуществующий DOI, ISBN с неверной контрольной суммой, умерший автор у свежей работы → это зона фактчека, но как сигнал машинного происхождения читается здесь

Типографика

Раздел заточен под короткие посты в мессенджерах. Под свою платформу — адаптировать.

Кириллические названия брендов и проектов — в кавычках-ёлочках «». Не в "прямых" и не в „других". Один тип кавычек на весь текст. Латинские названия (Claude Code, Handy, Parakeet) кавычек не требуют — смена графики уже отделяет их от текста.
Нет маркированных списков. Только → и сплошной текст (для постов; в статьях/доках списки норм).
Нет bold-term списков. Шаблон «Термин: описание» подряд — сильный AI-tell.
Bold только в заголовке. Внутри текста — plain text.
Нет Title Case в заголовке. В русском заголовке каждое слово с заглавной («Ранняя Жизнь И Образование») — калька-маркер. Заглавная только первое слово.
Нет плейсхолдеров. Никаких [КОНКРЕТНЫЕ ПРИМЕРЫ], [Скриншот], [ссылка].

Нейротропы (найти и убить)

Anti-AI: слова-маркеры

Эмпирика Juzek 2026 (34 языка, 298M строк, русский включён) подтвердила уже стоявшие в списке «позволяет», «обеспечивать», «ключевой», «значительный», «инновационный», серийное «однако»; эксперт оказался маркером №1 по объёму сдвига. Оговорка: корпус новостной, генератор один. У нативных русских моделей (GigaChat, YandexGPT) отпечаток слабее и иной — на их тексте этот список ловит хуже.

Anti-AI: фразы-маркеры

Anti-AI: структурные паттерны

Второе и третье поколение слопа (имитация анти-AI стиля)

Модели среагировали на критику «звучит сухо/как AI» и научились притворяться живыми. Маркеры де-слопа теперь воспроизводит сама модель. Поэтому low-burstiness — больше НЕ единственный структурный сигнал: есть обратный, нарочито рваный ритм. Ловить по СОДЕРЖАНИЮ (приём ради приёма, пустота за формой), а не по равномерности. Осторожно с кластером: это же арсенал живого автора — флаговать только когда приём пустой и идёт стаей.

Псевдосократический Q&A: «Зачем? Потому что.», «И что это значит? А вот что.» — вопрос-затравка без реального содержания → убрать или раскрыть мысль
Стаккато-нарезка как приём: «Коротко. Точно. По делу.» — рубленые предложения ради эффекта, а не смысла → восстановить нормальный синтаксис
«Рваная медитативность»: нарочитый контраст очень длинных и очень коротких предложений как формула (фронтир: Claude, GPT-5.x) → выровнять до естественного ритма
Фальшивый блогерский тон: «И знаете что?», «Скажу честно.», «Давайте будем честны.» — имитация искренности → убрать, перейти к мысли

Третье поколение — имитация не живости, а отношения. Второе поколение подделывало ритм; третье подделывает участие и уверенность. Ловить так же: по пустоте за формой, не по форме.

Псевдотерапевтический / валидирующий регистр: «Ты не ошибаешься, что так чувствуешь», «Это нормально — чувствовать себя так», «Твоя реакция понятна» → имитация эмпатии, убрать
Перформативная прямота: «скажу прямо», «если совсем честно», «стоит сказать прямо: X» перед и без того прямым утверждением; «точка» / «и всё» как усилитель после тезиса («Это неправильно. Точка.») → самомаркировка честности вместо честности
Метафора несущей конструкции: «несущий», «опорный», «структурообразующий» о тезисе или решении, без объяснения, что именно он держит (калька load-bearing) → назвать функцию или убрать
Антитеза-эскалация через тире («это не просто быстрее — это дешевле») — ловится пунктом «Антитеза» в структурных паттернах как связочная форма; здесь не дублировать

Уверенность по третьему поколению — средняя: наблюдения практиков, не измерения. Флаговать только при пустоте за приёмом и осторожнее, чем лексику: это же арсенал живого автора.

Anti-AI: стилистические паттерны

Структура и смысл

Хук деловой, не обучающий. «Какой план?», не «Что такое GEO?»
Источник в начале предложения. «По данным X, ...» — не «...[по данным X]»
Не резюмировать очевидное. Если факты сами говорят — вывод убрать
Концовка без корпоративного жаргона. «Базовый минимум», не «ставка входа»

Живой текст (минимум 5/7)

Есть конкретное имя, компания или цифра
Есть неожиданная метафора из другой области
Есть короткая живая реакция («Вот!», «Ого!», «Хех.»)
Есть живой глагол вместо существительного-абстракции
Есть прямая позиция автора, не универсальная мудрость
Нет двух прилагательных подряд у одного существительного
Нет парных эпитетов-клише («полезный и вдохновляющий»)

Формат вывода

# Слопотрон

**Режим:** Fix / Detect

## Флаги

| # | Серьёзность | Категория | Нарушение | Цитата | Правка |
|---|-------------|-----------|-----------|--------|--------|
| 1 | критичное | Нейротроп | «активно» при глаголе | «активно использует» | «использует» |
| 2 | незначит. | Anti-AI фраза | False Agency | «рынок диктует» | «крупные игроки вынуждают» |

## Живой текст: X/7

{что есть / чего не хватает}

---

ОЧИЩЕННЫЙ ТЕКСТ:
{текст — только в Fix-режиме}

Серьёзность — по принципу кластера: критичное = маркер в кластере (3+ в одном абзаце), незначительное = одиночный маркер. Серьёзность проставляется в строке таблицы; итоговые суммы в шапку не выносить.

Вне порога (одиночное = критичное): технические артефакты, самокомментирование аргумента. Для структурной переполненности при отсутствии источника в колонке «Правка» ставится вопрос автору, а не правка, и строка помечается «без источника».

Калибровка

Разговорные конструкции, авторские отступления, намеренный неформальный тон — не трогать.
Цитаты чужого текста — не править (они не авторские).
Тире НЕ считать и НЕ лимитировать — количество тире не является маркером AI. Дефис vs тире, кавычки, неразрывные пробелы — зона типографики, не детектора слопа. Замер это подтвердил: плотность тире зависит от модели, а не от «машинности» — у Claude 5.5 она как у живого автора (~16 на 1000 слов), у GLM и Qwen вдвое выше.
Заглавная после двоеточия — не AI-маркер (убрано из чек-листа в ревизии 2026-09-29): у живых постов 13,5% текстов, у генераций 3%. Это ошибка человека, зона корректора.
Конкретика — самый сильный разрыв замера, но не маркер: имя, компания или цифра есть в 91% живых постов и в 42% генераций. Модели в замере не получали фактов, так что цифра завышена постановкой — но это прямое подтверждение пункта «Живой текст» о конкретике.
Объём правок пропорционален реальным проблемам, не фиксированной квоте.
Пассив сам по себе не AI-маркер. У человека пассива больше, чем у модели, а не меньше — переизбыток пассива признак канцелярита, но не машинного происхождения.
Вердикт стороннего детектора — не истина. AI-score растёт от самого факта профессиональной правки, независимо от происхождения: на 135 389 парах «до/после редактуры носителем» ложноположительные у 13 детекторов гуляют от 0 до 100%, а величина сдвига коррелирует с объёмом правки, а не с авторством. Чистка этим скилом тоже поднимает score. Не подгоняй текст под чужой детектор.
Сгенерированное и отредактированное ИИ — разные сигнатуры. Генерация даёт устойчивую пару «растёт энтропия + растёт лексическое разнообразие» на 8 моделях и 5 доменах; ИИ-правка человеческого текста эту пару не воспроизводит (arXiv:2608.27855, англ. корпус). Текст, который человек написал, а модель «причесала», список ловит хуже, чем сгенерированный с нуля, — и это не повод искать сильнее.
Безупречная типографика и пунктуация — не маркер, хотя соблазн есть. Идеальные кавычки, тире, неразрывные пробелы и отсутствие опечаток часто называют признаком машинного текста. Формально верно — практически бесполезно: правильная типографика это выбор в пользу качества, а не маскировки. Не флаговать её и не «портить» ради человечности.
Не помогай овер-коррекции. Все задокументированные тактики «звучать не как AI» — вычитающие: короче фразы, намеренные огрехи, вырезанные тире. Люди калечат свой стиль ради детектора, а уплощение голоса и есть главная боль редакторов: разбить предложение надвое или склеить два — уже вычитание человека из текста. Если правка делает текст ровнее и безличнее, она вредная, даже когда маркер настоящий.

Семьи проблем (для диагностики)

Когда нужно быстро понять, в какой «зоне» гнездится проблема — смотреть сюда. Пять семей; одиночный представитель обычно не критичен, три и более в одном абзаце — сигнал.

Inflators — раздутие без информации. Слова, которые имитируют значимость там, где её нет. Примеры: «знаменует переход», «свидетельствует о», «отражает тенденцию», «символизирует сдвиг». Русские аналоги: «подчёркивает важность», «демонстрирует рост», «отражает запрос общества». Вопрос-маркер: если убрать это словосочетание, потеряется ли смысл? Если нет — убирать.

Fakers — уверенная расплывчатость. Ссылки на авторитет без источника: «эксперты считают», «исследования показывают», «по данным аналитиков», «специалисты отмечают». Фейкеры дают тексту видимость обоснованности. Лечение: назвать конкретный источник или убрать ссылку вообще.

Vocabulary cluster — кластер AI-слов. Одно AI-слово в тексте — ничего. Три в одном абзаце — сигнал. Кластеры: «экосистема + синергия + ландшафт», «ключевой + значительный + фундаментальный», «инновационный + передовой + уникальный». Если в абзаце три и более слова из одного кластера — абзац переписать.

Structural tics — структурные тики.

Copula dodging: «служит инструментом», «выступает примером», «является отражением» → заменить на прямой глагол или «это»
Forced triples: «быстро, просто и эффективно» → сократить до двух или сломать форму
Negative seesaws: «не просто X — это Y», «никаких догадок, никаких потерь» → см. пункт «Антитеза» в структурных паттернах (связочная форма — флаг, общая — по тесту)
Synonym rotation: одно понятие поочерёдно называется разными синонимами → выбрать одно слово и держаться его
Fake ranges: «от стратегии до тактики», «от идеи до результата» — X и Y не на одной шкале → переформулировать конкретно

Chatbot residue — остатки чат-формата. Всё, что осталось от интерфейса «помощник отвечает пользователю»: «Отличный вопрос!», «Надеюсь, было полезно», «Давайте разберёмся вместе», «Спасибо, что дочитали», «Если у вас есть вопросы — пишите», плюс утечки идентичности «Я — GigaChat», «Как ИИ-модель…». Эти фразы удалять без замены.

Отпечатки моделей (ориентир, не правило)

Маркеры model-specific: профиль зависит от того, кто генерил. Это диагностический ориентир для вопроса «чем пахнет», НЕ основание для правки в одиночку. Единого «языка ИИ» нет — у каждой модели и поколения свой идиолект, и различия внутри одного среза бывают на порядок. Профили — наблюдения практиков, а не измерения; версии устаревают быстрее маркеров. Сверено 07.09.2026.

Замер 2026-09-29 (жанр — телеграм-пост ~120 слов, 70 парных генераций на модель, доля текстов с приёмом; у живых постов до 2023 — в скобках в шапке). Меряет только то, что считается поиском; тон и «пустоту» не меряет.

Модель	Антитеза общая (10%)	Связочная (0,4%)	Тире на 1000 слов (16)	Парцелляция с союзом (11%)
Claude Opus 5.5	33%	7%	17	14%
Claude Sonnet 5.5	36%	6%	15	14%
GPT-6 Sol	27%	0%	18	9%
GPT-6 Luna	50%	16%	27	7%
Gemini 3.8 Flash	27%	9%	20	13%
Grok 4.7	57%	17%	22	13%
DeepSeek V4.1 Flash	48%	17%	26	33%
Qwen 3.8 Max	30%	9%	34	19%
GLM-5.3	36%	9%	39	20%

Что из этого следует: антитеза — общий тик всех девяти, единственный приём, где выше людей каждая модель; тире у линейки Claude 5.5 на уровне живого русского текста, у GLM и Qwen — вдвое выше; парцелляция выше человеческой заметно только у DeepSeek, GLM и Qwen, а GPT-6 ставит её реже живых авторов. GPT-6 Sol — самая «чистая» по счётным маркерам модель выборки. «не только… но и» — тик GPT-6 Luna (16% против 3% у людей).

ChatGPT / GPT-5.5 — шаблонная корпоративная вежливость, ровный позитивный тон, «не просто X, а Y», «стоит отметить».
Claude (Opus 5 / Sonnet 5 / Fable 5.1) — многословность, услужливый и слегка извиняющийся тон, просьба подтвердить вместо действия. Тики: «несущий/load-bearing», «скажу прямо: X», «точка» как усилитель, антитеза через тире, рубленые фрагменты-драма. Понижено: «рваная медитативность» и «Давайте будем честны» — маркеры эпохи Opus 4.x, для новых версий не переподтверждены.
Gemini 3.x — противоречивые наблюдения: одни источники фиксируют структурную ригидность (списки без запроса), другие — обратное, длинную прозу по умолчанию. Прежнее «сухая компактность» считать неподтверждённым.
Grok 4.5 / 4.6 — перебор «научной» лексики: causal, empirical, correlate; злоупотребление подчёркиванием.
DeepSeek V4 — code-switching утечки в рассуждении («Bottleneck-ом», «Upgrade-нуть»). Наследство эпохи V3/R1, для V4 не переподтверждено.
GigaChat, YandexGPT — пробел: стилевых отпечатков в открытых источниках нет, рынок публикует архитектуру и бенчмарки, лингвистического анализа не делает.

Оживление текста

Применять после механической чистки, когда текст стал чистым, но безликим. Цель — вернуть человека за текстом, не добавляя новых AI-паттернов и нового содержания: реакции, факты и детали, которых нет у автора или в источнике, не вписываются, а предлагаются в «На решение автора» (см. «Провенанс: структурная переполненность» и «Не помогай овер-коррекции»).

Неравномерный ритм. Живой текст не ровный. Короткое предложение после длинного — не ошибка, это пульс. Если все предложения примерно одной длины — флаг монотонности; чинить ритм под смысл — зона /chukovsky, не ломать ради разнообразия.

Реакция автора на собственный материал. Автор не просто передаёт информацию — он на неё реагирует. «Это меня удивило», «Не знаю, почему это работает, но работает» — живые вставки. Сохранять те, что у автора есть; где их нет — спросить автора, а не сочинять реакцию за него.

Готовность не знать. Признание незнания — маркер человека. «Пока не понятно», «Я не уверен», «Может быть, это просто совпадение» — не слабость текста, а его честность. Убирать хеджирующие конструкции «возможно, в определённой степени», но оставлять искренние «не знаю».

Конкретика вместо абстракции. Имя, дата, цифра, компания, место — всё это переводит текст из режима «умозаключение» в режим «было». Если абзац состоит только из тезисов — попросить у автора, что именно произошло (или взять из источника); выдуманная конкретика — зона фактчекера (/agranovsky).

Живая идиома. Нейросеть избегает разговорных идиом и поговорок («гладко было на бумаге», «не в свои сани не садись»). Их отсутствие — косвенный признак стерильности. Одна уместная идиома оживляет абзац сильнее трёх вычищенных маркеров. Не вставлять натужно — только если ложится естественно.

arbort/slopotron

What is slopotron?

Ask in your favorite AI

Documentation