Слова, по которым узнают ChatGPT
Какие слова выдают ChatGPT в русском тексте и во сколько раз чаще он пишет их, чем люди. Сравнение со словами GigaChat, DeepSeek и YandexGPT и разбор того, о чём на самом деле говорит длинное тире.
· 11 минут чтения

Списки слов, которые выдают ChatGPT, в рунете чаще всего переведены с английского. В них delve и tapestry, а по-русски ChatGPT пишет другими словами. Ниже эти слова по исследованию, где посчитано, во сколько раз чаще модель пишет их, чем люди. Потом ChatGPT сравнивается с GigaChat, DeepSeek и YandexGPT по открытым наборам текстов, а дальше разбор того, что на самом деле говорит длинное тире. В конце таблица замен.
Список слов ChatGPT на русском
Подробные цифры по русскому языку есть в исследовании Томаса Юзека из Университета штата Флорида, опубликованном в мае 2026 года. Он взял 100 тысяч предложений из русских новостей 2020 и 2021 годов, когда ChatGPT ещё не было, разрезал каждое пополам и попросил модель GPT-4.1 mini дописать вторую половину. Потом сравнил, как часто каждое слово встречается в продолжениях модели и у журналистов. Вот слова, которые модель пишет заметно чаще людей:
Данные: Juzek, 2026, 100 000 предложений из русских новостей.
Сильнее всего выделяется «уделить». У журналистов оно нашлось в 10 продолжениях из 100 тысяч, у модели в 1127. «Важность» у людей встретилась 39 раз, у модели 1857. Оба слова подходят почти к любой теме и ничего не сообщают, поэтому модель ставит их туда, где человек назвал бы конкретное действие или причину.
Некоторые слова из популярных списков модель в этом эксперименте, наоборот, пишет реже людей. «Являться» встречается у неё в полтора раза реже, чем у журналистов, а «безусловно» и «следовательно» почти не встречаются. Канцелярит в текстах людей бывает не реже, чем у нейросети, поэтому «является» само по себе ни на кого не указывает.
Вот как слова из списка выглядят в живом тексте. Для проверки GPT-5.6, модель OpenAI, попросили написать пост для бухгалтерской компании. Вот два предложения из этого тестового текста:
Кроме того, бухгалтер следит за изменениями законодательства и сроками отчётности, поэтому владельцу компании не приходится самостоятельно изучать новые формы деклараций, требования к кассам и правила уплаты налогов. При этом бухгалтерская компания обеспечивает непрерывность работы: учёт не остановится из-за болезни, отпуска или увольнения одного сотрудника.
Те же предложения с отмеченными словами из списка:
Кроме того, бухгалтер следит за изменениями законодательства и сроками отчётности, поэтому владельцу компании не приходится самостоятельно изучать новые формы деклараций, требования к кассам и правила уплаты налогов. При этом бухгалтерская компания обеспечивает непрерывность работы: учёт не остановится из-за болезни, отпуска или увольнения одного сотрудника.
«Кроме того» открывает предложение, хотя мысль просто продолжается. Здесь хватило бы «ещё» или нового абзаца. В «обеспечивает непрерывность работы» сразу два признака, глагол из списка и отглагольное существительное. Проще сказать, что компания делает. Она подменяет бухгалтера, если тот заболел или ушёл в отпуск.
Откуда они берутся
Языковая модель пишет текст по одному слову и каждый раз выбирает из самых вероятных продолжений. Общие слова подходят почти в любое место и редко бывают ошибкой, поэтому модель берёт их чаще, чем точные и редкие, которые выбрал бы автор, знающий тему. Так «уделить внимание» вытесняет «проверить», а «значительно» вытесняет «вдвое».
Ещё одна причина в том, как модель доучивают. После основного обучения люди сравнивают её ответы и выбирают лучший, а модель учится писать так, как им больше нравится. Если людям больше нравятся вежливые и обстоятельные ответы, вместе с ними закрепляются и обороты вроде «важно отметить». Юзек и Зина Уорд проверяли эту версию на английских словах вроде delve. Результаты с ней согласуются, но доказать её до конца авторы не смогли.
Привычка переходит из языка в язык. В исследовании 34 языков глаголы со смыслом «подчёркивать» попали в число слов, которые модель пишет заметно чаще людей, в 24 языках, а существительные вроде «важности» в 20. И эти слова уже попадают в тексты людей. В новостях 26 языков из 34 любимые слова модели в 2023 и 2024 годах встречались чаще, чем в 2020 и 2021. В среднем по всем языкам рост составил 15%. Поэтому одно такое слово ещё ничего не доказывает, человек мог его просто подхватить.
Длинное тире
Из всех знаков препинания главной приметой ChatGPT считают длинное тире. Но в русском языке тире требуют правила. Его ставят, например, между подлежащим и сказуемым («Москва — столица России») и на месте пропущенного слова. Поэтому в отредактированном русском тексте тире много и без всякой нейросети.
Длинные тире посчитаны в открытом наборе LLMTrace. В нём есть тексты людей и нейросетей на одни и те же темы: новости, статьи, отзывы, рассказы. GPT-4o там чаще писал с нуля, а остальные модели правили тексты людей, сокращали, дописывали или переписывали их. У моделей тире примерно столько же, сколько у людей, а у GPT-4o и YandexGPT даже меньше:
Подсчёт Redraft по LLMTrace, тестовая часть, 52 тысячи текстов на русском.
Частота тире зависит от модели. В другом открытом наборе, Ru-hard, рассуждающая модель DeepSeek ставит 128 длинных тире на 10 000 слов, а люди в тех же жанрах 46. У ChatGPT на модели GPT-4o mini там 39 тире, а Gemini 2.0 Flash не поставила ни одного.
Отличается другое. Длинного тире нет на клавиатуре, поэтому люди в интернете часто ставят вместо него дефис или короткое тире с пробелами. В текстах людей из LLMTrace таких знаков от 74 до 192 на 10 000 слов, а у GPT-4o, GigaChat Max и YandexGPT от 0,5 до 15. Текст, где все тире длинные, просто аккуратно набран. Так набирает и редактор, и нейросеть.
Почему модели вообще полюбили длинное тире, точно не знает никто. Программист Шон Гудеке заметил, что GPT-3.5 его почти не ставил, а GPT-4o ставил примерно в десять раз чаще. Поэтому версии, что тире экономит токены или оставляет модели больше вариантов продолжения, он отвергает, иначе их ставил бы и GPT-3.5. Самым правдоподобным объяснением он считает оцифрованные книги конца XIX и начала XX века, которые попали в обучение и где длинных тире заметно больше, чем в современной английской прозе. Но это гипотеза об английском, на русских текстах её никто не проверял.
С ноября 2025 года ChatGPT слушается, если в персональных настройках попросить его не ставить длинное тире. Сэм Альтман назвал это маленькой, но приятной победой. Без такой просьбы тире остаётся. Где нейросеть ставит его не по-русски, показано в статье о признаках ИИ в тексте.
Слова GigaChat и DeepSeek
У разных моделей разные любимые слова. В проверке Юзека списки GPT и Claude Haiku, модели Anthropic, во многом совпали, а списки GPT и Gemini от Google совпали заметно меньше. Для русского языка такого сравнения в исследованиях нет, поэтому ниже собственный подсчёт по двум открытым наборам, где у людей и моделей одни и те же темы. Наборы разные, и задания у моделей в них разные, поэтому надёжнее сравнивать слова внутри одного столбца, чем столбцы между собой:
| ChatGPT | DeepSeek | GigaChat | YandexGPT | |
|---|---|---|---|---|
| подчёркивает | ×6,7 | ×7,9 | ×10,7 | ×10,4 |
| демонстрирует | ×9,1 | ×8,7 | ×20 | ×5,1 |
| важно отметить | ×112 | ×26 | ×25 | ×70 |
| не только…, но и | ×8,3 | ×7,5 | ×1,9 | ×5,2 |
| ключевой | ×3,5 | ×7,4 | ×12,3 | ×9,7 |
| важность | ×7 | ×3,8 | ×14,6 | ×19 |
| значимость | ×7,7 | ×3,2 | ×95 | ×17,6 |
| атмосфера | ×3,5 | ×2,2 | ×18,2 | ×15,4 |
| таким образом | ×1,5 | ×0,9 | ×3 | ×1,3 |
| в целом | ×2,9 | ×1,3 | ×1,5 | ×7,2 |
| данный | ×0,7 | ×0,4 | ×2,3 | ×2,5 |
| является | ×1,3 | ×1,1 | ×1,2 | ×1,6 |
ChatGPT (GPT-4o mini) и DeepSeek (deepseek-chat): Ru-hard, новости и эссе, модели писали по пересказу оригиналов. GigaChat Max и YandexGPT 5 Lite: LLMTrace, новости, статьи, отзывы и рассказы, модели правили тексты людей. Подсчёт Redraft.
Вот фраза из текста DeepSeek в наборе Ru-hard, на ней видно сразу два слова из таблицы:
Шолохов подчеркивает, что настоящий героизм — это не только подвиги на поле боя, но и внутренняя сила, которая позволяет человеку оставаться человеком в самых нечеловеческих условиях.
У всех четырёх моделей общее ядро. «Подчёркивает» и «демонстрирует» каждая пишет в 5–20 раз чаще людей, а «важно отметить» у людей почти не встречается.
ChatGPT и DeepSeek сильнее остальных любят конструкцию «не только…, но и», у обеих она в семь-восемь раз чаще, чем у людей. Канцелярита у них при этом не больше, чем у людей, «данный» и «является» они пишут почти так же часто, как люди, или реже.
У GigaChat свой набор. «Значимость» и «впечатляющий» GigaChat Max пишет в десятки раз чаще людей, «профессионализм» в 17 раз. Канцелярские обороты у него тоже чаще, чем у людей, «данный» в 2,3 раза, «таким образом» втрое. Вот фраза GigaChat Max из набора LLMTrace:
Специалисты отмечают важность такого шага, подчеркивая значимость профессии системного администратора в современном обществе.
«Важность» и «значимость» стоят в одной фразе и обе ничего не объясняют. Не сказано, чем важен шаг и почему профессия значима.
YandexGPT близок к GigaChat, «данный» у него тоже встречается чаще, чем у людей. А ещё он чаще остальных пишет связки «в целом» и «кроме того», в семь и в четыре раза чаще людей, и слова «незабываемый» и «профессионализм».
Получается, что список «слов ChatGPT» лучше всего подходит к самому ChatGPT. Текст GigaChat с «данный» и «значимость» по такому списку может пройти незамеченным, а текст человека, который любит «является», попасть под подозрение.
Чем заменить
Слово из списка можно заменить на простое, но замена зависит от того, что сказано во фразе. Часто лучше спросить себя, что конкретно стоит за словом, и написать это. Вот замены для самых частых слов:
Как править текст нейросети по порядку, от связок до ритма, показано на настоящем примере в статье о том, как убрать признаки ИИ вручную.

Почему замена слов не решает всё
Слова бросаются в глаза первыми, но текст нейросети выдают ещё ритм и устройство абзацев. Вот первое предложение из поста о бухгалтерии после того, как «кроме того» заменили на «ещё»:
Ещё бухгалтер следит за изменениями законодательства и сроками отчётности, поэтому владельцу компании не приходится самостоятельно изучать новые формы деклараций, требования к кассам и правила уплаты налогов.
Слов из списка в нём не осталось, а звучит оно по-прежнему как нейросеть. В конце снова три пункта через запятую: «новые формы деклараций, требования к кассам и правила уплаты налогов». Нейросеть часто перечисляет по три, потому что тройка звучит законченно, даже когда пунктов на самом деле два или пять. Предложения у неё похожей длины, а абзац часто заканчивается выводом, который повторяет уже сказанное. Всё это остаётся, даже если каждое слово в тексте простое.
Поэтому одной замены слов мало, текст приходится переписывать глубже. Какие ещё признаки замечает читатель, собрано в статье о признаках ИИ в тексте.
Источники
- Juzek T. S. AI-Associated Lexical Shifts Across 34 Languages: Cross-Lingual Convergence and Diachronic Uptake in News Writing. arXiv, 25 мая 2026
- Данные к исследованию Юзека: списки слов по 34 языкам, GitHub
- Juzek T. S., Ward Z. B. Why Does ChatGPT “Delve” So Much? Exploring the Sources of Lexical Overrepresentation in Large Language Models. COLING 2025
- Tolstykh I., Tsybina A., Yakubson S., Kuprashevich M. LLMTrace: A Corpus for Classification and Fine-Grained Localization of AI-Written Text. arXiv, 2025
- LLMTrace, набор текстов для классификации, Hugging Face
- Ru-hard-detection-dataset: тексты людей и нейросетей на русском, GitHub
- Тире, статья Википедии
- TechCrunch. OpenAI says it’s fixed ChatGPT’s em dash problem, 14 ноября 2025
- Goedecke S. Why do AI models use so many em-dashes? 2025
