Habr AI compara reescritores de IA: muchos servicios resultan ser envoltorios de ChatGPT

El mercado de la reescritura con IA para redacciones en ruso resulta ser mucho menos tecnológico de lo que sugiere su envoltorio. Un extenso análisis de Habr AI muestra que buena parte de los servicios o bien siguen resolviendo el viejo problema del SEO —subir el porcentaje de unicidad para un informe—, o bien simplemente venden acceso a los mismos LLM a través de una interfaz más cómoda y con un sobreprecio notable. La calidad editorial real no la dan hoy los «botones mágicos», sino modelos bien configurados, bibliotecas de prompts y pipelines multiagente con varias etapas de revisión del texto.

El análisis incluye 24 herramientas, que el autor divide en cuatro grandes categorías. La primera son los reescritores SEO de la vieja escuela, como Text.ru, Advego, Raskruty y ETXT.

Estos servicios, en esencia, reordenan palabras y buscan sinónimos para alcanzar el porcentaje de unicidad requerido, pero casi no trabajan con el sentido. La segunda categoría son los LLM generales: Claude 4.6 y 4.

7, GPT-5, Gemini 3, DeepSeek V3, YandexGPT 5 y GigaChat. Son claramente mejores en calidad de texto, pero sin un buen prompt siguen entregando con frecuencia un resultado promedio, «de chatbot». El tercer grupo son los envoltorios listos para usar basados en esos mismos modelos, como PR-CY, Turbotext, Chad, Gerwin AI y NeuralWriter.

Su valor suele estar en la interfaz, las plantillas y el cobro, no en una tecnología propia. Por último, la cuarta categoría son los pipelines multiagente y verticales, en los que varios modelos o agentes se turnan para reunir hechos, escribir un borrador, criticarlo y llevarlo a la versión final. Para que la comparación no fuera solo teórica, el autor pasó por varios servicios una noticia breve sobre agentes, de unos 1500 caracteres, con la petición simple «reescribe este texto con tus propias palabras».

En esta prueba, Claude Sonnet 4.6 obtuvo la mejor nota subjetiva, 7,5 sobre 10, con un mínimo de clichés y cero alucinaciones. GPT-5 quedó algo por debajo, con 7 sobre 10.

DeepSeek V3 parecía fuerte en relación calidad-precio, pero cometió un error factual e insertó una cifra de más. YandexGPT 5 y PR-CY mostraron un resultado medio, y el viejo sinonimizador Raskruty prácticamente solo reordenó palabras y obtuvo 2 sobre 10. El autor subraya aparte que ningún producto de la selección ofrece verificación de datos completa de serie al nivel de un editor humano, por lo que la revisión humana sigue siendo obligatoria.

Del análisis se desprende además una bifurcación práctica según el escenario de uso. Si la redacción necesita reescribir uno o dos artículos al mes, lo más rentable suele ser ir directamente a Claude o ChatGPT y dedicar tiempo una sola vez a un buen prompt. Si el flujo ya llega a 10–30 materiales al mes, empiezan a compensar las bibliotecas propias de prompts en Notion o Word, así como los envoltorios de LLM cómodos de usar.

Si el objetivo es publicar de forma estable 30 textos o más con el estilo de una cabecera concreta, con contexto de fondo, verificación de datos y pulido del borrador, pasan a primer plano las soluciones multiagente. Son más caras y complejas, pero hoy la calidad editorial se construye en torno al proceso, no en torno a un solo modelo. Para las empresas que necesitan mantener los datos dentro del perímetro ruso y cumplir los requisitos de la ley 152-FZ, YandexGPT y GigaChat pueden ser un argumento aparte, aunque en calidad y libertad para tratar la agenda informativa quedan por detrás de los modelos occidentales.

La tesis principal del texto es que en 2026 la palabra «reescritura» esconde varias tareas distintas a la vez. Puede ser una reelaboración de fondo de una noticia al estilo de un medio concreto, la adaptación de la misma historia para Telegram, Dzen o un reportaje largo, o una unicidad mecánica del texto para pasar controles SEO. Cuando el cliente mezcla estas tareas en una sola, casi inevitablemente paga de más u obtiene un mal texto.

El autor aclara expresamente que la escala de comparación es subjetiva y se basa en un único texto de prueba; además, en la categoría multiagente se menciona un producto del propio autor. Por eso el análisis resulta útil no como clasificación definitiva de ganadores, sino como mapa del mercado: las viejas herramientas SEO siguen vivas gracias a los requisitos de unicidad, el acceso directo a LLM potentes sigue siendo la opción más flexible, y la diferenciación real empieza donde sobre el modelo aparece un proceso editorial. Para los medios esto significa algo sencillo: solo tiene sentido pagar por un «reescritor de IA» cuando el servicio aporta valor real: control de estilo, un flujo de trabajo cómodo, restricciones sobre los datos o procesamiento del texto en varios pasos.

Si por dentro hay el mismo ChatGPT u otro modelo masivo sin una capa seria encima, el acceso directo al LLM casi siempre será más barato y flexible. El cuello de botella del mercado ya no está en la generación de texto en sí, sino en cómo convertir un borrador en un material fiable que no dé vergüenza publicar en nombre de la redacción.