В статье на материале текстов, написанных школьниками и сгенерированных нейросетевыми моделями (YandexGPT, GigaChat, «ТекстПлюс»), проводится исследование таких текстовых категорий и свойств, как связность (когезия и когерентность), цельность, завершенность, членимость, развернутость и последовательность, социологичность, выявляется их специфика в сопоставлении текстов, созданных естественным и искусственным разумом. Анализ показал, что наиболее успешно нейросети обращаются с такими категориями текста, которые могут быть алгоритмизованы: членимость, когезия, социологичность. Так, модели успешно: 1) проводят деление текста на абзацы, сохраняют единство микротемы и используют коннекторы в соответствии с правилами тематического развертывания (членимость); 2) реализуют субституцию (когезия); 3) создают тексты заданного типа и фиксированной структуры (социологичность). Однако современные модели всё еще испытывают трудности при работе с категориями, оформляющими текст на глобальном уровне в соотношении с мышлением: когерентность, завершенность, развернутость и последовательность. Нарушения реализации этих категорий обычно представлены следующими видами: ошибками в области создания и движения мысли при внешнем соблюдении формальной связности (когерентность), ошибки в создании выводов в ходе рассуждения (завершенность), регулярные нарушения логичности речи как на локальном, так и глобальном уровнях (развернутость и последовательность). Школьники, демонстрируя средний уровень владения всеми категориями, создают всё же более осмысленные тексты в сравнении с нейросетевыми.