一个叫aidetector.my的新工具最近上线,主打99.5%准确率、10秒出结果、免注册就能测,还宣称能识别GPT-5.5+、Claude 4.7+、Gemini、LLaMA、DeepSeek、Mistral等十几种模型。页面上摆满了教师、学生、编辑的正面证言,一个学生的论文被误判成AI代写,拿这工具一测,"干净"了,教授撤了案。
听起来是又一个比同行更准的检测器。但AI文本检测这条赛道已经跑了好几年,Turnitin、GPTZero、Originality.ai都是成熟玩家,技术路线大同小异——真正的分水岭从来不是"准不准",而是"错的时候有多离谱"。
检测靠的是文字的节奏,不是内容的对错
这类工具不看你写的对不对,看你写得像不像机器。核心指标是困惑度:AI生成的文本更可预测,困惑度更低;人类写作句长句式波动大,这叫突发性;再加上句法树复杂度,凑成一套统计判分。aidetector.my在原理上没有另辟蹊径,用的还是这三样。
问题是,这套方法从诞生起就带着一个副作用——它会把写得规整、逻辑清晰的人类文本,错判成AI生成。这个错判率,业内叫false positive,也是这条赛道十几年没解决的老毛病。
厂商说不到1%,独立研究测出15%到27%
aidetector.my没有公开自己的误判率数据,只留下一句"99.5%准确率"和证言里"零误判"的暗示。但同类工具被独立学术机构测过好几轮,数字并不好看。
2024年Frontiers in Education的研究里,GPTZero误判人类写作的比例是15.6%,Originality.ai是17.6%,两个工具叠加使用能压到5.2%,作者仍然认为这个数字太高,不适合单独作为学术不端的判定依据。同一年Journal of Applied Learning and Teaching测了30款检测工具后的结论更直接:大部分工具,尤其是免费工具,不适用于实际场景。2025年一篇物理教育论文里,同一批数据下Turnitin误判率是0%,GPTZero却在4.1%到27.4%之间剧烈波动,全看"标记"怎么定义。
对照之下,GPTZero和Originality.ai官方自己给出的误判率都低于1%——但这是厂商自测,没有第三方复核。
- 风险.同一款检测工具,在不同数据集、不同"标记"定义下,误判率能差出六倍以上,分数本身就不稳定。
aidetector.my能核实的,和不能核实的
网站的隐私政策显示,运营主体是Continuum LLC,地址在美国丹佛,政策最后更新于2025年8月7日,匿名用户提交的文本不永久存储,注册用户的检测历史会被保留。这部分是能核实的公开信息。
但页面上分量最重的几块——GPT-5.5+、Claude 4.7+这类"检测能力"清单,50K+教育者、100K+写作者的用户规模,那一整屏具名证言——目前没有找到可独立核实的公开信源。尤其是GPT-5.5、Claude 4.7这两个版本号,并不是已知的公开发布型号,这种写法在检测类营销页面里很常见,读者不容易主动去查。
分数背后没有审计报告,证言背后没有可查名单,这类页面本身也该被当"待验证"来看。
谁会真的用这个分数,接下来该看什么
最直接受影响的是学生——一份论文被单一工具标成"高AI概率",足以启动一次学术不端调查;其次是教师和教务管理者,他们依赖分数做判断,却未必知道厂商自测和独立评测之间的落差有多大。自由撰稿人和编辑同样在意这个分数,因为它可能直接影响一次约稿或一笔稿费。
- 结论.任何单一检测工具的分数,只能当筛查信号,不能单独当处分依据——这也是Turnitin把1%到19%区间的分数干脆隐去、不显示具体百分比的原因。
接下来值得盯的是,aidetector.my是否会公开经第三方复核的误判率数据,是否有真实教育机构公开采用它。如果这些始终缺位,它和市面上大多数"高准确率"检测页面一样,更接近一份营销文案,而不是一份可信的技术报告。