随着AI内容充斥互联网，Pangram筹集900万美元用于检测

# 随着AI内容充斥互联网，Pangram 融资 900 万美元用于检测 | TechCrunch 来源：https://techcrunch.com/2026/07/29/as-ai-content-floods-the-internet-pangram-raises-9m-to-detect-it/ 总部位于纽约的 AI 检测初创公司 [Pangram](http://pangram.com/) 肩负着对抗互联网上日益泛滥的 [AI 垃圾内容](https://techcrunch.com/2026/04/20/ai-writing-its-not-just-this-its-that-barrons/) 的使命，它刚刚获得了 900 万美元融资，押注于区分人类生成内容和 AI 生成文本的工具需求将持续增长。 Pangram 本轮融资由 Menlo Ventures 领投，Haystack、ScOp、Script Capital 和 Cadenza 跟投。与此同时，该初创公司还发布了其下一代 AI 文本检测模型 Pangram 4 以及 AI 图像检测模型 Pangram Image。 Pangram 声称，新款文本检测模型在识别 AI 辅助写作和人类-AI 混合内容方面的准确率超过 99%，并且能够更轻松地检测 AI 人性化程序。AI 图像检测器目前仅以研究预览形式提供；Pangram 计划在未来几周内更广泛地发布。 斯坦福大学 AI 和机器学习专业毕业生 Max Spero 和 Bradley Emi 在 ChatGPT 发布后大约两年创办了 Pangram。ChatGPT 的发布打开了闸门，让互联网充满了机器人、AI 生成的 SEO 垃圾内容，以及 Spero 所谓的“基于 LLM 的俄罗斯虚假信息宣传活动和在 Twitter 上由阿联酋影响的活动”。 “我认为，了解你所看到的内容是否为 AI 生成，具有极其重要的价值，”Spero 告诉 TechCrunch。“尤其是你正在阅读的文本，因为它改变了人们处理文本的方式。这是否是我需要警惕幻觉、以怀疑态度对待的内容？还是我相信这是一位真正的记者经过充分研究后写出的内容？” Pangram 的 AI 检测系统本质上是一个大型机器学习模型，它在数千万份已知的人类文档上进行了训练。然后，该初创公司为每份文档创建了一个“合成镜像”，复制了主题、长度和语气，但由前沿 LLM 编写。 “我们的模型学习了 AI 在风格上的差异以及它一贯做出的选择，并能够利用这些信息以高置信度判断哪些内容是由 AI 生成的，”Spero 说，并补充说，该 AI 检测器不依赖复制粘贴元数据或隐藏水印。 对于 Pangram 来说，AI 检测不仅仅关乎某段文本是否完全由 AI 编写。它还关乎区分不同级别的 AI 辅助——比如有人自己写了东西，然后让 AI 进行编辑或润色。Spero 认为，只要作者披露了他们使用 AI 的情况，AI 辅助是可以接受的。 **图片来源：** Pangram Pangram 的出现正值 AI 使用日益普及之际。在某些情况下，比如 [加拿大政客在向立法者发表演讲时误读了 AI 提示](https://www.aljazeera.com/video/newsfeed/2026/7/28/moment-canadian-politician-accidentally-reads-ai-prompt-during-speech)，错误导致了嘲笑。在其他情况下，比如某些律师使用 ChatGPT 生成的虚假引证来论证自己的观点，后果可能是 [制裁](https://www.reuters.com/legal/new-york-lawyers-sanctioned-using-fake-chatgpt-cases-legal-brief-2023-06-22/) 和 [罚款](https://spellbook.com/learn/lawyer-who-used-chatgpt)。 这种反弹不仅给个人带来尴尬或制裁，也开始出现在机构规则中。 开放获取档案库 arXiv 今年引入了新的执行政策，规定如果提交的内容有证据表明作者未能审查 LLM 输出（例如幻觉引用或元评论，如“您希望我做出任何更改吗？”），可能触发为期一年的提交禁令。 Pangram 并非唯一押注 AI 检测将变得更加抢手的公司。竞争对手如 Winston AI、Originality.ai、Copyleaks 和 GPTZero 也在追逐同样的需求，各自构建自己的检测器。 Pangram 的技术虽然并非完美，但可能有助于推动抵制接受充斥互联网、法庭和学术论文的 AI 生成内容。 用户可以通过每月 20 美元的订阅费用在网络上使用 Pangram，或下载 Chrome 扩展程序，该扩展程序能在 X、LinkedIn、Substack、Reddit 和 Medium 上实时自动标记帖子。它还提供信息流健康评分，显示屏幕上人类内容与 AI 内容的百分比细分。 Pangram 还通过 API 提供其技术。值得注意的是，[Substack 最近将 Pangram 的技术](https://techcrunch.com/2026/07/22/substacks-new-tool-tells-you-whos-been-writing-their-newsletters-with-ai/) 集成到其平台中，以向读者展示他们喜爱的作者中有哪些使用了 AI 来撰写新闻通讯。据 Spero 称，其他 API 客户包括 Quora、学校与大学、出版商与代理商以及招聘人员等。 ## **Pangram 有效吗？** Pangram 即使在经过轻微人工编辑的情况下也能检测到 AI 生成的内容。**图片来源：** Pangram/TechCrunch Spero 表示，使用 Pangram 的模型，大约每 10,000 份人类文档中会有一份被错误标记为 AI，因此我决定对其进行测试。文本检测模型非常令人印象深刻，但并非完美无缺。它轻松标记了由 ChatGPT 和 Claude 编写的完全由 AI 生成的新闻文章，并且我尝试将 AI 生成的文本编辑得更像人类写的，但几乎没能骗过它。同时，Pangram 确实将我完全重写的句子标记为 AI 编写的。此外，我试图提示 ChatGPT 和 Claude 在生成内容时规避 AI 检测器，但 Pangram 完全没有上当。 我还把我自己的一篇文章给了 ChatGPT 和 Claude，让它们润色。Pangram 给出了 13% 的 AI 辅助分数，这大概接近准确，但模型能够检测出某些句子中细微的用词变化，而对其他句子则忽略了。它还将其中的一些人类写的句子标记为 AI 辅助。值得注意的是，当我将同一篇文章完整（按我最初的写法）输入 Pangram 时，它得到了 100% 的人类分数。 也许问题在于新闻文章可能有点枯燥，很容易听起来像 AI 写的。所以我尝试了另一种策略。我在自己更具个人风格的 Substack 新闻通讯内容上测试了 Pangram，将文本的前半部分粘贴到 Pangram 中，然后让 ChatGPT 和 Claude 模仿我的风格编写后半部分。在大多数情况下，Pangram 很容易区分人类写的文本和 AI 写的文本。 我对 Pangram 新款图像检测模型的有限测试同样令人印象深刻。 **图片来源：** Pangram/TechCrunch Pangram 的 AI 图像检测系统承诺能够跨 AI 模型检测 AI 生成的图像，这与 OpenAI 或 Google DeepMind 基于水印的检查不同（后者主要检测自己的输出）。它基于像素级分布工作，学习真实照片与 AI 生成图像之间的细微统计差异。Spero 表示，该模型甚至能够检测出出现在真实世界照片中的 AI 图像。 在我的测试中，该模型无论是逼真照片还是卡通风格，都能轻松检测出 AI 生成的图像。我还可以确认该模型能够检测出出现在真实世界照片中的 AI 图像——Pangram 提供的热力图清晰地照亮了该图像——尽管有一次它错误地将一张 AI 生成图像的照片标记为人类内容。 Spero 表示，他不想让自己的技术助长对使用 AI 写作的人进行迫害，但需要某种机制来抵制垃圾内容。 “我看到的未来是，AI 内容将继续激增，”Spero 说。“我们获得新 GPU 的速度比新人口出生的速度还快。如果我们不主动偏袒人类内容，那么我们将看到越来越多的 AI，它将淹没我们拥有的任何人类信号。” *通过我们文章中的链接购买产品，我们可能会获得少量佣金 (https://techcrunch.com/techcrunch-affiliate-monetization-standards/)。这不会影响我们的编辑独立性。*