LLM smells: как AI-контент пахнет одинаково
Блогер описал характерные «запахи» AI-контента — от шаблонных фраз до одинаковых сайтов на JetBrains Mono. Разбираем паттерны, по которым легко распознать LLM.
Интернет начал пахнуть одинаково
Автор математического блога опубликовал наблюдение, которое многие чувствовали, но не формулировали: контент, созданный с помощью LLM (больших языковых моделей), оставляет узнаваемый «след» — характерные паттерны в тексте и дизайне сайтов, которые теперь встречаются повсюду. Автор называет это явление LLM smells («запахи LLM») — по аналогии с термином «code smells» из программирования, обозначающим признаки плохого кода.
Через несколько месяцев после того, как автор начал полировать свои тексты с помощью ИИ, он обнаружил: те же конструкции и обороты буквально заполонили весь интернет. Один из авторов LessWrong признаётся: «когда я чувствую запах LLM, я перестаю читать» — причём гораздо быстрее, чем при виде опечаток или ломаного английского.
Текстовые «запахи»: что выдаёт LLM-писателя
Автор собрал конкретные примеры из собственного (уже удалённого) блога. Паттерны делятся на несколько групп:
1. Слишком много «красивых» финальных фраз
LLM обожает завершать абзацы эффектной сентенцией — «панчлайном» (punchline). Вот реальные примеры из блога автора:
«Люди доверяют симметрии, потому что она выглядит как видимый интеллект.»
«Симметрия становится ловушкой.»
Эти фразы звучат глубоко, но в большом количестве превращаются в шаблон.
2. Серии коротких предложений подряд
LLM часто рубит мысль на череду коротких фраз для «динамики»:
Потом появился AlphaEvolve. У него не было предпочтений к симметрии.
Никакого эстетического приоритета. Никакого инстинкта сохранять гармонию.
3. Конструкция «X — это Y от Z»
Ещё один маркер: абстрактные метафоры в формате «X есть видимая подпись Y».
4. Оборот «это не просто X, это Y»
Классический усилитель из LLM-арсенала: «решения, которые не просто удовлетворяют ограничение, но удовлетворяют эстетические инстинкты».
Исследования показывают, что активные пользователи LLM способны правильно определить AI-авторство примерно в 90% случаев — то есть насмотренность реально работает.
Дизайн-«запахи»: одинаковые сайты по всему интернету
Вторая категория наблюдений касается веб-дизайна. Автор фиксирует набор повторяющихся UI-элементов на сайтах, сгенерированных или спроектированных с помощью ИИ:
| Элемент | Описание |
|---|---|
| Шрифт JetBrains Mono | Монопространственный шрифт для разработчиков, ставший «дефолтом» AI-сайтов |
| Step-секции и буллеты | Одинаковые блоки «шаг 1 → шаг 2 → результат» |
| Одни и те же кнопки | Стандартные CTA-кнопки с идентичными стилями |
| Карточки (cards) | Одинаковые компоненты с тенями и скруглениями |
| Мигающая точка в badge | Анимированный индикатор «онлайн» или «новое» |
| Сноски (footnotes) | Характерный стиль оформления сносок |
Шрифт JetBrains Mono в связке с bento-grid-макетами и плоской 2D-эстетикой активно продвигается в AI-дизайн-системах — что и объясняет его повсеместное появление на сгенерированных сайтах.
По данным 2026 года, 93% веб-дизайнеров используют AI-инструменты, причём 51% из них применяют их для создания полноценных дизайнов страниц с нуля. Неудивительно, что результаты начинают выглядеть одинаково.
Как это работает: почему возникает «запах»
graph TD
A[Пользователь просит LLM улучшить текст] --> B[LLM применяет усвоенные паттерны]
B --> C[Паттерны взяты из обучающих данных — миллионов текстов]
C --> D[Тексты с LLM-паттернами попадают в интернет]
D --> E[LLM обучается на новых данных с теми же паттернами]
E --> B
style D fill:#f9c74f,stroke:#f3722c
style E fill:#f94144,color:#fff,stroke:#f3722c
По сути, это петля обратной связи: LLM учится на текстах, создаёт тексты с определёнными паттернами, эти тексты попадают обратно в интернет и снова в обучающие данные. Использование слов, характерных для ChatGPT, резко выросло в 2023–2024 годах, а в 2025-м начало снижаться — возможно, потому что авторы стали осознаннее подходить к редактуре.
Значение для отрасли
Наблюдение автора — не просто личная зарисовка. Оно указывает на системную проблему: массовое использование LLM для «улучшения» контента ведёт к гомогенизации интернета. По мере того как всё больше цифровых продуктов начинают выглядеть и работать одинаково, визуальный дизайн движется обратно — к теплоте, характерности и намеренному несовершенству.
Вопреки распространённому мнению о том, что LLM производят более чистый код, исследования указывают: AI-агенты не устраняют технический долг, а лишь меняют его форму. То же самое справедливо и для текстового контента: LLM не делает его лучше — он делает его другим образом одинаковым.
Термин «LLM smells» рискует войти в профессиональный словарь так же прочно, как «code smells» в программировании. И чем раньше авторы, дизайнеры и разработчики научатся их распознавать — тем больше шансов сохранить разнообразие в эпоху генеративного ИИ.