/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,4 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-4B-Base
Библиотека
transformers
Опубликована
20 июл 2026

greyscope-v2-qwen3.5-4b

Классификация текстаТекст → label3 профессии

Greyscope v2 определяет степень участия ИИ в англоязычных, японских и традиционных китайских текстах, присваивая оценку и одну из трёх меток.

142скачиваний за 30 дней2лайкавеса обновлены28 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Greyscope v2 — модель классификации текста, дообученная на базе unsloth/Qwen3.5-4B-Base. Она оценивает степень участия ИИ в отрывке и выдаёт оценку от 0 до 1 и одну из меток: human, AI-edited или AI-generated. Модель предназначена для выявления полностью сгенерированного или отредактированного ИИ текста на английском, японском и традиционном китайском языках.

Модель имеет плотную архитектуру Qwen3.5 для классификации последовательностей, содержит 3,4 млрд параметров и рассчитана на контекст до 262 144 токенов по метаданным. В README указано, что при обработке одного отрывка модель читает не более 2 048 токенов. Репозиторий содержит эталонную версию bf16; также описаны сборки MLX Q4 и Transformers int4. Лицензия — Apache-2.0.

На бенчмарках модель показывает полезные результаты для оценки доли ИИ-редактирования и бинарного обнаружения ИИ-текста, однако лёгкое редактирование распознаётся хуже полностью сгенерированного текста. Качество зависит от длины и тематики текста, генератора, языка и способа перефразирования; данные обучения для китайского представлены традиционным письмом, поэтому качество на упрощённом китайском не подтверждено. Оценки силы редактирования получены по расстоянию между эмбеддингами, а не по разметке людей; модель не следует использовать как единственное основание для академических, трудовых или дисциплинарных решений.

Сценарии применения

  • проверка текста на генерацию ИИ
  • оценка степени редактирования текста с помощью ИИ
  • предварительная проверка авторских материалов перед редактурой

Ограничения

Лёгкое редактирование ИИ распознаётся хуже полной генерации, а качество зависит от длины, тематики, языка, генератора и метода переписывания; на входе учитывается не более 2 048 токенов. Китайские обучающие данные представлены традиционным письмом, а оценку не следует использовать как единственное основание для академических, трудовых или дисциплинарных решений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Greyscope v2

Greyscope estimates how much AI was involved in a passage. It returns a score from 0 to 1 and one of three labels: human, AI-edited, or AI-generated. It supports English, Japanese, and Traditional Chinese.

This is the reference bf16 model. Other builds use the same labels and calibration:

ArtifactSizeBest for
bf168.4 GBCUDA, or CPU when speed is not important
MLX Q42.4 GBApple Silicon
Transformers int43.5 GBNVIDIA GPU when bf16 does not fit

Quick start

The Greyscope repository contains the calibrated decoder:

git clone https://github.com/yaoandy107/greyscope
cd greyscope
uv sync
uv run greyscope "Paste a paragraph here."

From Python:

from greyscope.inference import detect

result = detect("Paste a paragraph here.")

Example output:

{
  "label": "AI-edited",
  "ai_involvement": 0.46,
  "bucket_probs": {"none": 0.18, "light": 0.44, "moderate": 0.31, "heavy": 0.07}
}

ai_involvement describes the estimated degree of AI involvement; it is not a probability that the author cheated. bucket_probs are the model's probabilities for its four training levels. Use --mode binary if you need a human / AI label.

Use Greyscope's calibrated decoder rather than a stock Transformers classification pipeline. The three model logits are CORN conditional logits, not class probabilities.

Mac performance

Measured on an M1 Pro with 32 GB unified memory.

BuildModel sizePeak memory512 tokens
MLX Q42.4 GB3.0 GB2.43 s
Transformers bf168.4 GB9.4 GB2.54 s

MLX Q4 matched bf16 quality across 3,007 external benchmark rows. See the release metrics for details.

Evaluations

Graded AI involvement

APT-Eval

Uses 3,000 of 14,950 rows: all 300 human passages and a stratified sample of 2,700 polished passages. Spearman measures whether the score tracks editing amount; higher is better.

ModelSpearman
Greyscope v20.636
Greyscope v1 (previous release)0.645
EditLens Llama-3.2-3B0.601

Binary AI detection

These evaluations compare human and AI text, so binary-only detectors can be included.

Beemo

Uses a 2,997-row sample from the larger Beemo dataset: 333 source documents with all nine variants. AUROC tests generated and edited text; higher is better.

ModelAUROC
Greyscope v20.819
Greyscope v1 (previous release)0.840
MELD0.827
EditLens Llama-3.2-3B0.817
Desklib v1.010.801

RAID extra

Uses 4,968 rows from RAID extra: code, Czech, and German with all 11 attacks. This is an out-of-domain robustness check, not a supported-language benchmark. Higher is better for both metrics. MELD and Desklib are excluded because they trained on RAID.

ModelAUROCTPR @ 1% FPR
Greyscope v20.7710.122
Binoculars0.7690.295
Greyscope v1 (previous release)0.7200.130
EditLens Llama-3.2-3B0.7130.266

Benchmark metadata is in benchmarks/.

Limitations

  • Light AI editing is harder to detect than fully generated text.
  • Results change with text length, subject, generator, language, and rewriting method.
  • The model reads at most 2,048 tokens from each passage.
  • Chinese training data is Traditional Chinese; do not assume the same quality on Simplified Chinese.
  • Training edit-strength labels came from embedding distance rather than human annotation.
  • Do not use this model as the sole evidence in academic, employment, or disciplinary decisions.

Training and license

Greyscope v2 is a Qwen3.5-4B LoRA with a four-level CORN ordinal head and a ranking loss. It was trained on English, Japanese, and Traditional-Chinese text. No EditLens data was used for training.

The weights are Apache-2.0 and the code is MIT. Source texts and the generated training dataset are not redistributed with the weights. The complete recipe is in the repository.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForSequenceClassification
Ревизия весов
93e895d

0 моделей