AI code detection for engineering teams

AI code detector for developers

Python, Java, C++ ve daha fazlasında ChatGPT, Claude ve GitHub Copilot tarafından oluşturulan AI kodlarını tespit edin. Düşük yanlış pozitifler için ayarlanmış muhafazakar tespit.

pangram_tarama.py
from pangram import Pangram

# Initialize the client
client = Pangram(api_key="your-api-key")

# Analyze a code snippet
result = client.predict(code_snippet)

print(f"AI fraction: {result['fraction_ai']}")

'ın güvenilirglobal markaları
TuvalGoogle SınıfQuoraTremauŞeffaflık ŞirketiHaber KoruyucuSohbetPDFÖne çıkanlarHaroUfukAlıntıGözetmenÜniversite ÖğretmenleriYazılarım DoğrulandıVibegradeWHEWikiEduTuvalGoogle SınıfQuoraTremauŞeffaflık ŞirketiHaber KoruyucuSohbetPDFÖne çıkanlarHaroUfukAlıntıGözetmenÜniversite ÖğretmenleriYazılarım DoğrulandıVibegradeWHEWikiEdu

Use cases

Secure your software
supply chain

Gain visibility into AI-generated code across your organization. Validate hiring, protect IP, and mitigate security risks with the most accurate AI code detection engine.

AI Kod Algılama Sonucu

Teknik İşe Alımları Doğrulama

Arka uç rolü için hazırlıklı bir mühendis işe almayın. Adayların sundukları mantığı anladıklarından emin olmak için ev ödevlerinde AI kodunu tespit edin.

AI Yardımcı Algılama

Fikri Mülkiyeti Koruyun

AI tarafından üretilen kodlar birçok yargı bölgesinde telif hakkı ile korunamaz. Özel mülkiyetli yazılımların sentetik, lisanslanamayan temeller üzerine kurulmadığından emin olmak için depolarınızı denetleyin.

Kod Çalma Kontrolü

Güvenlik Risklerini Azaltın

AI tarafından oluşturulan snippet'ler genellikle ince mantık hataları veya güvenlik yanılsamaları içerir. Birleştirmeden önce, AI ağırlıklı commit'leri daha derinlemesine insan kod incelemesi için işaretleyin.

Technical approach

Conservative detection
for code

Pangram'ın kod analizi, yazılım için özel olarak tasarlanmıştır — metin algılamadan yeniden amaçlandırılmamıştır. Modelimiz, sözdizimi kısıtlamalarını, yapısal kalıpları ve şablon ile orijinal mantık arasındaki farkı anlar.

Düşük Yanlış Pozitifler

Pangram muhafazakar bir şekilde ayarlanmıştır — insan tarafından yazılmış mantığı nadiren AI olarak işaretler, böylece geliştiricileri standart şablon kullanmakla yanlış bir şekilde suçlamamanızı sağlar.

Sözdizimi Duyarlı Analiz

Metinden farklı olarak, kodun katı sözdizimi kısıtlamaları vardır. Modelimiz, insan mantığı ile LLM öngörülebilirliğini ayırt etmek için 40'tan fazla kod satırındaki yapısal kalıpları analiz eder.

Çoklu Dil Desteği

Python ve Java gibi üst düzey dillerin yanı sıra C++ ve C gibi alt düzey dillerde de doğru algılama. Model kapsamı genişledikçe ek diller eklenir.

Entegrasyon

Automated AI code
detection via API

01

Python SDK

Arka uç boru hatlarınız için kolay entegrasyon. Pangram-sdk'yi yükleyin ve birkaç dakika içinde kod parçacıklarını puanlamaya başlayın.

Belgeleri Görüntüle →

02

İşe Alım Platformları

Teknik değerlendirme platformlarıyla entegre ederek kodlama yarışmalarında şüpheli başvuruları otomatik olarak işaretleyin.

Daha fazla bilgi →

03

Toplu Denetimler

Tüm depoları veya çekme isteklerini tarayarak, proje geçmişinizdeki AI kod algılama yoğunluğunu değerlendirin.

API Anahtarını Al →

Sıkça Sorulan Sorular

AI Algılama SSS

Geliştiriciler ve mühendislik ekipleri iç
'da AI kod algılama hakkında sık sorulan sorular.

Evet. Pangram, GitHub Copilot gibi araçları destekleyen GPT-4, Claude ve LLaMA tabanlı modellerin çıktıları üzerinde eğitilmiştir. Bu, Pangram'ın kod bir insan tarafından hafifçe düzenlenmiş olsa bile yaygın AI üretim modellerini tanımlamasına olanak tanır.
Genellikle hayır. Pangram, kısa veya yüksek düzeyde standartlaştırılmış snippet'ler (ithalatlar, alıcılar/ayarlayıcılar, yapılandırma şablonları) konusunda kasıtlı olarak muhafazakar davranır. Bu kalıplar, yazarlığı güvenilir bir şekilde atfetmek için yeterli istatistiksel sinyale sahip değildir, bu nedenle model, AI ve insan stillerinin anlamlı bir şekilde farklılaştığı daha yüksek entropili mantığa odaklanır.
En iyi sonuçlar için 40–50+ satırlık kod öneririz. Çok kısa kod parçacıkları, özellikle Python ve JavaScript gibi yaygın dillerde, yüksek güvenilirlikli sınıflandırma için yeterli yapı veya stil çeşitliliği sağlamaz.
Pangram şu anda Python, JavaScript/TypeScript, Java, C++ ve Go gibi yaygın olarak kullanılan dillerde algılama desteği sunmaktadır ve model kapsamı genişledikçe yeni diller eklenmektedir. Modern LLM eğitim verilerinde güçlü bir temsile sahip dillerde algılama doğruluğu artmaktadır.
Evet, bir dereceye kadar. Pangram basit token parmak izlerine dayanmaz. Bunun yerine, özellikle karmaşık mantık, hata işleme ve işlev bileşiminde, insan tarafından yapılan düzenlemelerden sonra bile genellikle kalıcı olan yapısal, stilistik ve olasılıksal özellikleri değerlendirir.
Evet. Değişkenlerin yeniden adlandırılması, yeniden biçimlendirilmesi veya boşlukların ayarlanması gibi değişiklikler genellikle algılama için kullanılan temel sinyalleri ortadan kaldırmaz. Ancak, derin anlamsal yeniden yazımlar güvenilirliği azaltabilir ve Pangram bunu ikili bayraklar yerine olasılık puanlaması yoluyla ortaya çıkarır.
Pangram, ayrıntılı vurgulamayı destekleyerek ekiplerin bir dosyanın hangi bölümlerinin AI tarafından oluşturulduğunu ve hangilerinin insan tarafından yazıldığını görmelerini sağlar. Bu özellik, özellikle büyük dosyalar, çekme istekleri veya AI kullanımının giderek arttığı eski kod tabanları için kullanışlıdır.

Yes. Pangram provides a high-throughput API designed for automated analysis in CI pipelines, pre-merge checks, internal audits, and research workflows. Many teams run detection on pull requests or nightly scans rather than blocking commits outright.

Hayır. Pangram, varsayılan olarak uygulama için değil, görünürlük ve yönetişim için tasarlanmıştır. Çoğu ekip, AI'nın kod tabanlarına nerede ve nasıl girdiğini anlamak, politika uyumluluğunu desteklemek veya üçüncü taraf katkılarını denetlemek için kullanır.

Accuracy depends on language, code length, and complexity. Pangram is most reliable on longer, logic-heavy code and intentionally avoids overconfident claims on low-signal inputs. Results are returned with confidence scores to support human review. For a deeper look at the topic, read our article on whether AI-generated code can be detected.

Hayır. Pangram, SOC 2 Tip II sertifikasına sahiptir. API aracılığıyla gönderilen kod geçici olarak işlenir ve silinir. Müşteri verileri hiçbir zaman saklanmaz veya model eğitimi için kullanılmaz.

Yes. Some teams use Pangram to flag AI-generated contributions in open-source projects or to support internal reviews where licensing, attribution, or disclosure requirements apply. See how law firms use Pangram for IP and compliance verification.

Giderek artan bir şekilde, evet. AI tarafından üretilen kodlar, ince güvenlik açıkları veya açık olmayan mantık hataları içerebilir. Pangram, genellikle SAST ve bağımlılık tarayıcılarıyla birlikte, güvenlik açığı tespiti değil, yazarlık bağlamı sağlamak için kullanılır.
Hayır, bu kasıtlıdır. Pangram, tek bir mutlak etiket değil, olasılıklı sinyaller ve vurgular döndürür. Bu, yapay zeka ve insan katkılarının sıklıkla harmanlandığı modern geliştirmenin gerçekliğini yansıtır.

Start detecting AI code today

Kod tabanınızı güvence altına alın, işe aldığınız çalışanları doğrulayın ve mühendislik organizasyonunuz genelinde AI kullanımına ilişkin tam görünürlük elde edin.