Habr AI compared AI rewriters: many services proved to be ChatGPT wrappers

Рынок AI-рерайта для русскоязычных редакций оказался сильно менее технологичным, чем его упаковка. Большой разбор на Habr AI показывает, что значительная часть сервисов либо по-прежнему решает старую SEO-задачу — поднять процент уникальности ради отчёта, либо просто продаёт доступ к тем же LLM через более удобный интерфейс и с заметной наценкой. По-настоящему редакторское качество сегодня дают не «волшебные кнопки», а грамотно настроенные модели, библиотеки промптов и мультиагентные пайплайны с несколькими этапами проверки текста.

В разбор вошли 24 инструмента, и автор делит их на четыре большие категории. Первая — SEO-рерайтеры старой школы вроде Text.ru, Advego, Raskruty и ETXT.

Такие сервисы в основном переставляют слова и подбирают синонимы, чтобы добиться нужного процента уникальности, но почти не работают со смыслом. Вторая категория — общие LLM: Claude 4.6 и 4.

7, GPT-5, Gemini 3, DeepSeek V3, YandexGPT 5 и GigaChat. Они заметно сильнее по качеству текста, но без хорошего промпта всё равно часто выдают усреднённый результат «как из чат-бота». Третья группа — готовые обёртки на базе тех же моделей, например PR-CY, Turbotext, Chad, Gerwin AI и NeuralWriter.

Их ценность чаще всего в интерфейсе, шаблонах и оплате, а не в собственной технологии. Наконец, четвёртая категория — мультиагентные и вертикальные пайплайны, где несколько моделей или агентов по очереди собирают факты, пишут черновик, критикуют его и доводят до финальной версии. Чтобы сравнение было не только теоретическим, автор прогнал одну короткую агентскую новость объёмом около 1500 знаков через несколько сервисов с простым запросом «перепиши этот текст своими словами».

На этом тесте Claude Sonnet 4.6 получил лучшую субъективную оценку — 7,5 из 10, показав минимум штампов и ноль галлюцинаций. GPT-5 оказался немного ниже с оценкой 7 из 10.

DeepSeek V3 выглядел сильным по соотношению цены и качества, но допустил фактический сбой и вставил лишнюю цифру. YandexGPT 5 и PR-CY показали средний результат, а старый синонимайзер Raskruty фактически лишь переставил слова и получил 2 из 10. Отдельно подчёркивается, что ни один продукт в подборке не даёт полноценного фактчека из коробки на уровне живого редактора, поэтому человеческая проверка по-прежнему обязательна.

Из обзора следует и практическая развилка по сценариям использования. Если редакции нужно переписывать одну-две статьи в месяц, чаще всего выгоднее идти напрямую в Claude или ChatGPT и один раз потратить время на нормальный промпт. Если поток уже достигает 10–30 материалов в месяц, начинают окупаться собственные библиотеки промптов в Notion или Word, а также удобные LLM-обёртки.

Если же стоит задача стабильно выпускать 30 и более текстов в стиле конкретного издания, с фоновым контекстом, фактчеком и доработкой черновика, тогда на первый план выходят мультиагентные решения. Они дороже и сложнее, но именно вокруг процесса, а не вокруг одной модели, сегодня строится редакторское качество. Для компаний, которым критично хранить данные в российском контуре и соблюдать требования 152-ФЗ, отдельным аргументом могут быть YandexGPT и GigaChat, хотя по качеству и свободе работы с повесткой они уступают западным моделям.

Главный тезис материала в том, что в 2026 году под словом «рерайт» скрываются сразу несколько разных задач. Это может быть смысловая переработка новости под стиль конкретного медиа, адаптация одного и того же сюжета под Telegram, Дзен или лонгрид, либо механическая уникализация текста под SEO-проверки. Когда заказчик смешивает эти задачи в одну, он почти неизбежно переплачивает или получает плохой текст.

Автор отдельно оговаривает, что шкала сравнения субъективна и построена на одном тестовом тексте; кроме того, в мультиагентной категории упоминается и собственный продукт автора. Поэтому обзор полезен не как окончательный рейтинг победителей, а как карта рынка: старые SEO-инструменты всё ещё живут за счёт требований к уникальности, прямой доступ к сильным LLM остаётся самым гибким вариантом, а настоящая дифференциация начинается там, где поверх модели появляется редакционный процесс. Для медиа это означает простую вещь: платить за «AI-рерайтер» есть смысл только тогда, когда сервис добавляет реальную ценность — контроль стиля, удобный процесс работы, ограничения по данным или многошаговую обработку текста.

Если же внутри всё тот же ChatGPT или другая массовая модель без серьёзной надстройки, прямой доступ к LLM почти всегда будет дешевле и гибче. Узкое место рынка теперь не в самой генерации текста, а в том, как превратить черновик в надёжный материал, который не стыдно публиковать от имени редакции.