AI检测软件开发商Pangram Labs今日宣布完成900万美元新一轮融资，本轮由Menlo Ventures领投。所募资金将用于提升其核心文本检测精度，并向图像等其他媒体类型扩展。Haystack、ScOp Venture Capital、Script Capital和Cadenza也参与了本轮投资。加上2025年6月完成的270万美元融资，该公司累计融资额已接近1300万美元。
Pangram以其AI检测平台著称，该公司声称其误报率可低至万分之一，达到业界领先水平。
公司联合创始人兼首席执行官Max Spero表示："完全由AI生成的内容如今无处不在，而其中大部分并未被披露。Pangram的使命，就是让出版商、教师、记者以及所有依赖真实、可信信息传播的人，能够清晰辨别内容的作者归属。"
在技术层面，Pangram采用一种被称为"分类器模型"的神经网络，用于判断某段文字究竟是AI生成还是人类撰写。该系统通过分析文本"听起来像"大语言模型还是人类来进行判断。训练阶段使用了2021年以前已知的人类文本，并将其与AI生成文本进行配对，使模型能够有效区分两者。公司也承认，由于语言风格和用法会随时间演变，训练模型未来需要持续更新迭代。
此次，Pangram还正式发布了迄今最强的AI检测器Pangram 4，并以研究预览形式推出了Pangram图像检测功能。据公司内部基准测试，Pangram 4的误报率为0.0041%，即大约每24000份文档才出现一次误判。新模型在降低漏检率（即未能检测出AI内容的情况）方面也有显著提升，并对试图将AI文本伪装成人类写作的"人化"工具具备更强的抵御能力。
在图像检测方面，Pangram的图像模型可识别由多个主流图像生成平台创作的内容，涵盖OpenAI的GPT Image、谷歌的Gemini Nano Banana、Midjourney、FLUX和Grok Imagine，以及Kling AI、Seedance、谷歌的Veo和Wan等AI视频生成平台。
Pangram指出，随着深度伪造和以假乱真的AI图像日益泛滥，新一代AI图像检测工具的需求愈发迫切。尽管部分公司已开始在内容中嵌入不可见水印，例如谷歌的SynthID，但这类方案仅对接入相关机制的前沿模型有效，覆盖范围有限。
与此同时，人类识别AI图像的能力正在不断下降。根据专注于AI创意工具的博客Let's Enhance发布的报告，人类对AI图像的整体识别率约为63.7%；而对于FLUX等高性能图像生成器，识别率更跌至约29%。研究显示，人类区分AI图像与真实图像的平均准确率已接近50%，几乎与抛硬币无异。
AI检测器的可靠性之争
需要指出的是，Pangram关于检测精度和误报率的声明，目前主要依据内部基准测试、一份技术白皮书，以及少数有利的第三方研究，独立验证相对有限。
从行业整体来看，AI检测器的可靠性问题依然突出。麻省理工学院斯隆学院教学技术团队指出，相关技术"远未达到万无一失"的水平，高错误率可能导致错误指控。Mozilla基金会的研究也发现，AI检测工具的实际可靠性不及其宣称的水平，且对非英语母语者存在一定偏差。
可靠性本身高度依赖使用场景，误报问题尤为关键。尽管包括Pangram在内的部分新兴检测服务商声称已大幅提升准确率，但学术界的主流观点仍认为，AI检测结果只是一种概率性信号，而非可用于直接定性写作行为的可靠依据。
正因如此，多所教育机构已停止或明确禁止使用AI检测工具，或建议教师将其作为参考数据点而非最终判定依据。滑铁卢大学已于9月停止使用主流检测工具Turnitin；麻省理工学院的立场更为直接——AI检测器根本不管用，教育和职业领域应转而建立基于适应性的政策与预期体系。
Q&A
Q1：Pangram 4的误报率是多少？和其他AI检测器相比有什么优势？
A：根据Pangram公司的内部基准测试，Pangram 4的误报率为0.0041%，即大约每24000份文档才会出现一次误判。与其他AI检测器相比，该公司声称在降低漏检率和抵御"人化"工具干扰方面也有显著提升。不过需要注意的是，这些数据主要来自内部测试，独立第三方验证相对有限，业界对AI检测器整体可靠性的争议依然存在。
Q2：Pangram图像检测功能可以识别哪些平台生成的图像？
A：Pangram的图像检测模型目前支持识别多个主流AI生成平台的内容，包括OpenAI的GPT Image、谷歌的Gemini Nano Banana、Midjourney、FLUX和Grok Imagine，以及Kling AI、Seedance、谷歌的Veo和Wan等AI视频生成平台。该功能目前以研究预览形式推出，旨在应对深度伪造和AI图像泛滥的问题。
Q3：学校和教育机构现在还在用AI检测工具吗？
A：越来越多的教育机构对AI检测工具持谨慎或否定态度。滑铁卢大学已于9月停止使用Turnitin，麻省理工学院明确表示AI检测器"根本不管用"，建议教育工作者建立适应性政策而非依赖检测结果。MIT斯隆学院也指出，这类工具错误率高，可能导致对学生的错误指控。多数机构建议将检测结果作为参考而非定论。
