MWS AI протестировала мультимодальные нейросети на поиске поддельных документов

MWS AI, подразделение МТС Web Services, проверила, насколько мультимодальные модели (Visual Language Models, VLM) способны отличать поддельные документы от настоящих. Сообщение появилось на CNews 9 октября 2026 года. Тема попала в точку: банки, страховщики, маркетплейсы и HR-службы сталкиваются с фальшивками каждый день, а генеративные модели сделали их дешёвыми. В доступном фрагменте материала нет ни списка протестированных моделей, ни размера выборки, ни итоговых процентов, поэтому рейтинг пока составить нельзя. Зато можно разобраться, что такое тестирование измеряет и где у него подводные камни.

Что проверяли и зачем

VLM принимают на вход изображение вместе с текстовым запросом. Для документов это значит, что модель получает скан паспорта, справки или договора и отвечает на вопрос вроде «есть ли признаки редактирования?». Раньше такую задачу решали связкой из нескольких компонентов: OCR для распознавания текста, набор правил для проверки полей и отдельные форензик-модели для анализа артефактов изображения. VLM обещают собрать всё это в один вызов.

Подделки при этом бывают очень разными. Одни просто перерисовывают цифры в сумме или дате. Другие подменяют фотографию, третьи склеивают фон из нескольких источников. Самый новый вариант: документ целиком генерируется моделью, с правдоподобными шрифтами, печатью и подписью. Для каждого типа нужны свои сигналы, и качество VLM на них может сильно различаться.

Почему независимые тесты здесь редкость

Публичные бенчмарки для мультимодальных моделей чаще всего проверяют понимание документов: найти поле, прочитать таблицу, ответить на вопрос по тексту. Проверка подлинности устроена иначе. Модель должна заметить, что с документом что-то не так, хотя содержание выглядит безупречно. Это другая компетенция, и высокий результат на DocVQA-подобных наборах её не гарантирует.

Что известно из публикации:

• Кто тестировал: MWS AI (входит в МТС Web Services).
• Класс моделей: мультимодальные VLM.
• Задача: выявление поддельных документов.
• Дата и источник: CNews, 9 октября 2026 года.
• Не раскрыто в доступном фрагменте: список моделей, размер и состав датасета, точность, доля ложных срабатываний.

На что смотреть в полном отчёте

Первое — соотношение двух ошибок. Пропущенная подделка стоит денег, ложная тревога стоит клиента и времени операторов. Средняя точность без разбивки на эти две цифры почти ничего не говорит.

Второе — состав подделок. Если в выборке только грубая ручная правка, результат будет оптимистичным. Если есть документы, созданные современными генераторами изображений, картина станет жёстче.

Третье — язык и формат. Российские паспорта, справки 2-НДФЛ и выписки имеют свою вёрстку, и модели, обученные в основном на англоязычных данных, на них могут вести себя иначе.

Четвёртое — устойчивость к формулировке запроса и качеству скана. Фото с телефона при плохом освещении ломает многие системы, которые отлично работают на чистых изображениях.

Отдельно стоит помнить, что MWS AI сама развивает продукты на базе ИИ. Это не отменяет ценности теста, но методику лучше читать внимательно и по возможности сверять с собственными данными.

Что делать командам, которые строят антифрод

Не отдавайте VLM финальное решение. Разумная роль для неё сегодня: первичный фильтр, который ранжирует документы по подозрительности и оставляет человеку самые спорные. Соберите собственный тестовый набор из реальных случаев вашей компании, добавьте синтетические подделки от актуальных генераторов и прогоняйте на нём каждую новую версию модели. Считайте стоимость ошибки каждого типа в деньгах и выставляйте порог под неё. И сохраняйте классические проверки: сверку с государственными реестрами, анализ метаданных файла и проверку реквизитов. Мультимодальная модель добавляет к ним ещё один сигнал, но заменить их пока не может.