Codeeragenten kunnen AI-tekst aan elkaar plakken om detectietools te omzeilen

Onderzoekers publiceerden op 25 september 2026 een paper waaruit blijkt dat een codeeragent tekst uit een basistaalmodel aan elkaar kan plakken om AI-detectiesystemen te omzeilen. De agent, gebouwd op Claude Opus 5, haalt tot 90% van zijn woorden uit een model met 32 miljard parameters, OLMo-2. In tests glipten de samengestelde antwoorden langs twee soorten detectoren: het detectiepercentage daalde van 77% naar 24% bij een populaire tool voor detectie achteraf, en tot ongeveer 10% bij een controle op basis van watermerken.

Zo werkt de techniek

Bij eerdere trucjes werd AI-gegenereerde tekst meerdere keren herschreven, waardoor de betekenis vaak veranderde. Deze aanpak laat de agent juist functioneren als een editor die tekst kopieert en plakt. De agent vraagt het basismodel om veel korte voorbeelden en kiest vervolgens de fragmenten die het best bij de opdracht passen, of het nu gaat om creatief schrijven, feitelijke antwoorden, gezondheidsvragen of het opvolgen van instructies. Door die fragmenten aan elkaar te plakken, blijft de uiteindelijke tekst bij het onderwerp en leest die natuurlijk, terwijl de detector een mix van veel kleine fragmenten ziet in plaats van één doorlopende AI-gegenereerde tekststroom.

Gevolgen en kosten

De methode werkt, maar is duur. Omdat de agent veel meer tokens verstuurt en ontvangt — de basiseenheden van tekst — kunnen de kosten per query tot dertig keer hoger liggen dan bij een standaard API-aanroep. De onderzoekers waarschuwen dat detectiediensten met zulke samengestelde teksten zullen moeten trainen als ze effectief willen blijven. Voor gewone gebruikers betekent deze bevinding dat tools die beweren AI-geschreven inhoud te herkennen mogelijk minder betrouwbaar zijn dan ze beloven.