2026秋季第一篇Essay：Turnitin官方清单里到底有什么、GPT-6 Astra为什么不在

先把2026秋季第一篇Essay：Turnitin官方清单里到底有什么、GPT-6 Astra为什么不在、Turnitin可检测模型清单、Turnitin AI Writing Detection相关的关键判断说清楚，再按步骤展开。

很多人以为Turnitin官方FAQ里那份模型清单是一张「最新AI排行榜」，清单上没有的模型就等于检测不到。其实它更像一份带命名口径的技术文档——记录的是检测侧按什么名字归类，而不是厂商侧发了什么。2026秋季第一篇Essay：Turnitin官方清单里到底有什么、GPT-6 Astra为什么不在，这个问题的答案不在「漏检」两个字里，而在清单的写法和更新节奏里。

截至2026-09-21，Turnitin官方FAQ英文清单最新条目仍是GPT-5.4-pro（据公开release notes约2026-03收录）。而GPT-6 Astra是OpenAI在2026-09-03发布、9月4日起向ChatGPT Plus/Pro/Business/Enterprise及API、Azure、AWS Bedrock陆续开放的。两者之间隔了将近半年。这个时间差，就是开学季最大的误读来源。

清单里到底列了什么？先看原文结构

直接把清单当「有什么」来读，比纠结「没什么」有用得多。截至2026-09-21，Turnitin官方FAQ英文清单按厂商分组，大致是这样几块：

• OpenAI系：GPT-4o、GPT-4o-mini、GPT-5、GPT-5-mini、GPT-5-nano、GPT-5.1、GPT-5.2、GPT-5.2-pro、GPT-5.3、GPT-5.4、GPT-5.4-pro、o1-mini。
• Google系：Gemini-1.0-pro、Gemini-1.5-pro、Gemini-2.5-pro、Gemini 2.5 Flash、Gemini-3-flash-preview、Gemini-3-pro-preview、Gemini-3.1-pro-preview。
• Anthropic系：Claude-3-Haiku、Claude Sonnet-3.5、Claude Sonnet-3.7、Claude Sonnet-4.5、Claude Sonnet-4.6、Claude-Haiku-4.5、Claude-Opus-4.5。
• 其他：LLaMA-3.3、LLaMA-4-Maverick、Mistral-Large-3、Deepseek-v3.2、Nova-2-lite、Grok-4.1，以及基于这些LLM的工具。

注意最后半句——「以及基于这些LLM的工具」。这句话把覆盖范围从「模型」扩到了「工具」，也就是说，一个二次封装的写作助手只要底层调用的是清单里的模型，理论上就在检测半径内。这比单纯背模型名单重要得多。

GPT-6 Astra为什么不在？命名错位比版本滞后更坑

先说结论：不在清单里，是更新节奏与命名口径两件事叠加的结果，不是「检测不到」。

第一层是节奏。Turnitin的清单更新跟着自己的release notes走，不是厂商发一个跟一个。GPT-6 Astra九月三日发布，到2026-09-21才十八天，清单没跟上很正常。历史上GPT-5.4-pro这条也是发布后隔了一段时间才进FAQ的。

第二层是命名。同一模型在厂商侧叫「GPT-6 Astra」，在检测侧可能被归到某个系列名或版本号下，甚至暂时并入上一代条目。你拿着厂商发布名去清单里搜，搜不到，不代表它没被归类。正确的核对方式是两层：先找品类（GPT系列、Claude系列、Gemini系列），再对版本号。品类在、版本号接近，就默认落在覆盖范围内，别拿「名字没逐字对上」当安全线。

怎么判断你用的模型在不在检测范围？

三步走，五分钟能做完。

1. 对品类：你用的是GPT系、Claude系、Gemini系，还是LLaMA、Mistral、Deepseek、Grok？只要品类在清单里，先按「在范围内」处理。
2. 对版本号：找清单里最接近你的版本号。比如你用GPT-5.3，清单有；你用比清单最新条目还新的版本，按「大概率覆盖」处理，因为检测侧通常不会因为小版本升级就漏掉整个品类。
3. 对形态：这是最容易被忽略的一步。清单管的是「模型」，但报告管的是「文本」。你提交的是英文3000词Essay还是西语短response，直接决定检测器有没有对应能力。

说实话，大部分同学卡在第一步就停了，看到名字没逐字匹配就松一口气。这一步恰恰最不该松。

语言边界：英文检测器才有改写与bypasser识别

Turnitin官方指南写得明确：只有英文AI检测器包含AI paraphrasing与AI bypasser检测能力，西班牙语与日语检测器目前不含。AI写作检测支持英语、西班牙语、日语的长文档，但AI paraphrasing检测仅英语。

这意味着什么？如果你提交的是英文Essay，用改写工具「洗」一遍，检测侧是有能力识别改写痕迹的；如果你提交的是西语或日语文本，改写检测这一层暂时不存在，但这不等于安全——基础AI写作检测仍在跑。策略要跟着语言走，不能一套方法打天下。

顺带说一句，学生端看不到AI报告。AI写作指标与AI报告仅教师与管理员可见，你即使能看到Similarity Report，那里面也不含AI Writing Report。相似度与AI率是两个完全独立的分母，互不影响，AI高亮也不会出现在相似度报告里。别拿相似度低当AI率低的证据。

文件门槛：300词以下、30000词以上都不出AI报告

这条对秋季短Essay特别关键。官方门槛是：文件小于100MB、至少300词prose长文本、不超过30,000词。不满足就不生成AI报告。短文档因为只有单个分段，预测容易呈「全有或全无」——要么整篇标红，要么整篇干净，中间地带很窄。

所以如果你第一篇Essay只有250词，提交后没看到AI报告，别急着庆祝，那是没生成，不是没检出。反过来，一篇280词的短response被整段标红，也别慌，先看是不是踩了单分段预测的坑。

报告读数：星号与20%分界怎么用

0%–19%区间不显示数字、不显示高亮，以星号（*%）表示；20%–100%才显示百分比。2024-07-08之前生成的报告仍可能显示20%以下数字，那是旧版遗留，别拿来对照新报告。

拿到星号不等于安全，拿到20%以上也不等于定罪。星号只说明分数落在低区间，具体还要看高亮是否连续、是否成段规整散文、有没有过程稿能自证写作轨迹。这三样比一个数字有用得多。

提交前48小时，按这个顺序复检

把清单读对的最后一步，是把它落到动作上。

1. 先核语言与字数：确认提交语言是英文还是西语/日语，字数是否落在300–30,000词区间。不满足门槛的先补足或拆分。
2. 再核模型品类：按品类+版本号两层对清单，别逐字搜厂商发布名。
3. 留过程稿：大纲、初稿、修改记录，至少留2轮。遇到误报时这是最硬的证据。
4. 对照官方报告复检：如果学校允许，提交前用Turnitin查重查AI跑一遍，拿到Similarity Report和AI Writing Report两份，分开读，别混着看。需要的话可以走Turnitin查重查AI，当天出结果、不收录不进库。

2026秋季第一篇Essay：Turnitin官方清单里到底有什么、GPT-6 Astra为什么不在——读到最后你会发现，真正要核的不是清单缺了谁，而是你的文本落在哪个语言、哪个字数区间、哪个报告状态里。清单是起点，不是终点。