Vi presentiamo Pangram 3.3!

Oggi lanciamo Pangram 3.3. Come i modelli precedenti della serie Pangram 3, Pangram 3.3 si basa sull'architettura EditLens che abbiamo presentato nel nostro articolo all'ICLR 2026.

Guarda qui la scheda tecnica del Pangram 3.3

Cosa aspettarsi

Nelle ultime settimane, avrete forse notato che alcuni testi generati dagli ultimi modelli rilasciati da OpenAI e Anthropic sono stati erroneamente classificati come scritti da esseri umani. Con questo aggiornamento, ci siamo concentrati sulla riduzione del nostro tasso di falsi negativi, ovvero la percentuale con cui un modello classifica erroneamente come scritto da esseri umani un testo generato dall'IA, sui contenuti prodotti da questi modelli appena rilasciati.

Come sempre, ci impegniamo a mantenere il nostro tasso di falsi positivi ai vertici del settore. Non rilasceremo mai un modello che riduca il nostro tasso complessivo di falsi negativi a scapito di una maggiore classificazione errata di testi scritti da esseri umani come generati dall'IA. Con Pangram 3.3 non dovreste riscontrare alcun aumento dei falsi positivi.

Oltre a ridurre il tasso di falsi negativi per modelli come Claude 4.7 e GPT 5.4+, Pangram 3.3 offre prestazioni migliori anche su testi dal tono più naturale, documenti di lunga durata e test di valutazione della scrittura per studenti di lingua straniera.

Cosa è stato migliorato

Individuazione dei modelli di linguaggio di ultima generazione

Pangram 3.3 è molto più efficace rispetto alla versione precedente nel rilevare i risultati generati esclusivamente dai modelli di linguaggio di ultima generazione (LLM), tra cui Claude 4.7 e GPT 5.4+. Nelle nostre valutazioni interne, abbiamo riscontrato un miglioramento di tre volte nel rilevamento dei testi generati da GPT-5.5 Pro e un miglioramento di oltre quattro volte per Claude Opus 4.7 rispetto a Pangram 3.2.

Ulteriori miglioramenti nel rilevamento dell'Humanizer

Pangram 3.3 mostra un netto miglioramento nelle valutazioni degli humanizer, individuando il doppio dei testi umanizzati commercialmente rispetto al suo predecessore. Pangram 3.3 è inoltre più efficace nell'individuare i risultati generati da modelli di linguaggio a lungo termine (LLM) in seguito a prompt avversariali, in cui gli utenti istruiscono l'LLM a eludere il rilevamento: abbiamo osservato un miglioramento di tre volte rispetto al precedente modello Pangram sul nostro dataset avversariale interno.

Recupero di documenti lunghi

Il nostro modello precedente a volte classificava erroneamente i documenti più lunghi generati dall'IA (oltre 2000 parole) come "misti", in particolare etichettando erroneamente i segmenti verso la fine del testo come interamente scritti da esseri umani. Pangram 3.3 riduce significativamente questo errore di classificazione per i testi sintetici di lunga durata.

Cosa succederà

Rilevamento delle traduzioni automatiche

Sebbene il nostro tasso complessivo di falsi positivi sia diminuito grazie ai miglioramenti ottenuti in ambiti complessi come la poesia, abbiamo osservato un leggero aumento del tasso di falsi positivi per i testi scritti da esseri umani e tradotti tramite Google Translate. Siamo consapevoli che la traduzione rappresenta un caso d'uso molto diffuso per i modelli di linguaggio di grandi dimensioni (LLM) e stiamo sperimentando nuovi modi per modellare e riportare i risultati relativi ai testi tradotti dall'IA nei modelli futuri.

Migliore identificazione dell'assistenza tramite IA

L'uso degli agenti è esploso negli ultimi sei mesi. Stiamo iniziando a vedere i processi di scrittura che coinvolgono persone e IA evolversi verso un modello collaborativo, in cui più cicli di iterazione intrecciano all'interno di un documento il testo scritto dall'uomo e quello generato dall'IA. Uno dei nostri obiettivi principali è migliorare la modellizzazione di questo tipo di documento scritto in collaborazione. Siamo entusiasti di lavorare su EditLens, al fine di offrirvi i risultati più accurati sui testi con autori misti, nonché di consentire agli utenti di comprendere cosa significhi che un testo sia "leggermente" o "moderatamente" assistito dall'IA.

Scheda del modello

Come per i nostri due modelli precedenti, puoi sempre verificare le prestazioni del modello attuale su diversi domini e set di dati nella scheda del modello.