Wir stellen vor: Pangram Image 1.0

Wir stellen vor: Pangram Image 1.0 und Pangram Image Flash 1.0

Ein echtes Foto, das ein KI-Bild enthält. Pangram Image 1.0 kann den KI-Inhalt mithilfe seiner Heatmap lokalisieren.

Vor einigen Monaten haben wir „Pangram Image“ als Forschungsvorschau veröffentlicht. Nun sind wir stolz darauf, „Pangram Image 1.0“ vorstellen zu können: den neuesten Stand der Technik sowohl bei der KI-Bild- als auch bei der KI-Videoerkennung. Wir möchten der gesamten Community dafür danken, dass sie sich die Zeit genommen hat, das Tool zu testen und seine Schwachstellen aufzudecken, und dass sie uns zu hohen Standards angehalten hat, um einen besseren Detektor für alle zu entwickeln.

Was gibt’s Neues?

• Unser neues Flaggschiff unter den KI-Bilderkennungsmodellen, Pangram Image 1.0, mit:
  • Spitzenleistung bei der Erkennung innovativer KI-Bildgeneratoren
  • Heatmap-Ausgabe zur genauen Lokalisierung der Stellen, an denen KI in Bildern auftritt
  • Robustheit gegenüber Bearbeitungen, Komprimierung und niedrigen Auflösungen
• Ein kleineres, schnelleres Modell, Pangram Image Flash 1.0, mit:
  • Spitzenleistung bei der Erkennung innovativer KI-Videogeneratoren
  • Bild-für-Bild-Analyse von mit KI bearbeiteten Videos
• Unterstützung durch eine Chrome-Erweiterung zur Erkennung von KI in Ihrem Feed
• API-Unterstützung für Bilder und Videos

Probieren Sie es hier aus

Pangram Image 1.0

Erkennung von Bildgrenzen

Wir haben unser Modell „Pangram Image 1.0“ mit mehreren kommerziellen und akademischen KI-Bilddetektoren verglichen. Wir haben mithilfe von 12 führenden KI-Bildgeneratoren synthetische Spiegelbilder von 100 echten Fotos erstellt, wobei wir Prompts verwendet haben, die den Originalfotos sehr ähnlich waren, sodass insgesamt 1.200 synthetische Bilder entstanden sind. Unser Modell erreicht bei diesem Testdatensatz eine Genauigkeit von 99,96 %.

Wissenschaftliche Benchmarks zur Bilderkennung mittels KI

Wir sind bestrebt, unseren Nutzern eine Erkennung von höchster Qualität zu bieten. Um unser Modell gründlich zu testen, haben wir es mit mehreren wissenschaftlichen Benchmarks für die KI-Bilderkennung verglichen.

Quellen: X-AIGD · Mirage-Test · AIGenImages2026 · Vergleich zwischen Synthbuster und RAISE · Community Forensics

Robustheit

Viele Social-Media-Plattformen komprimieren und verkleinern Bilder, und böswillige Akteure können zudem Unschärfe, Rauschen und andere Artefakte hinzufügen, um KI-Detektoren dazu zu bringen, KI-Bilder für echt zu halten. Wir trainieren unser Modell speziell darauf, solche Veränderungen zu erkennen, und haben festgestellt, dass es gegenüber diesen Bearbeitungen robust ist.

Erkennung bei niedriger Auflösung

In unserer ersten Version war die Bildgröße auf mindestens 512×512 begrenzt, da unsere Erkennungsgenauigkeit bei niedrigeren Auflösungen nachließ. Wir senken diese Grenze nun auf 256×256, da wir festgestellt haben, dass unser neues Modell auch bei niedrigeren Auflösungen eine verbesserte Erkennungsgenauigkeit aufweist. Bei Auflösungen unter 512 wird das Ergebnis der Bilderkennung mit einem Hinweis auf eine geringere Zuverlässigkeit versehen.

Videoerkennung

Pangram Image Flash 1.0

Eine aktuelle wissenschaftliche Studie, DF26, hat gezeigt, dass Menschen kaum besser als der Zufall sind, wenn es darum geht, echte Videos von KI-Videos zu unterscheiden, in denen Menschen sprechen. Moderne Erkennungsmodelle schnitten nicht viel besser ab. Aus diesem Grund freuen wir uns sehr, Pangram Image Flash 1.0 vorzustellen – ein schnelleres Modell, das sich besonders bei der Erkennung von KI-Videos auf dem neuesten Stand der Technik auszeichnet. Bei DF26 erreicht es eine Trefferquote von 98,7 % – ein Vorsprung von 29 Prozentpunkten gegenüber dem nächstbesten Erkennungsmodell.

Branchenvergleich

Um einen Vergleich mit der Branche anzustellen, haben wir 129 echte Social-Media-Videos herangezogen und mithilfe von 14 verschiedenen innovativen Videogeneratoren KI-Spiegelbilder erstellt (jeweils 100 Videos, die aus den 129 echten Videos entnommen wurden). Jeder Generator wurde mit dem ersten echten Bild des Eingabevideos initialisiert und anschließend mit einer von VLM generierten Beschreibung des Geschehens im Video gefüttert, um ein schwer zu erkennendes synthetisches Spiegelbild zu erstellen. Anschließend verglichen wir unser Modell anhand der insgesamt 1.529 Videos mit mehreren großen KI-Videodetektionsdiensten:

Ein Beispiel für ein echtes Video (links) und dessen synthetisches Spiegelbild (rechts). Könntest du erkennen, welches echt ist?

Indem wir von echten Videobildern ausgehen und ein synthetisches Spiegelbild erstellen, können wir die Fähigkeit des Modells bewerten, zwischen zwei sehr realistisch wirkenden Videos zu unterscheiden. Dadurch wird verhindert, dass das Modell dazu neigt, bestimmte Arten von Inhalten fälschlicherweise als KI-generiert einzustufen, da jedes echte Video und sein Spiegelbild dieselbe Szene und dasselbe Motiv aufweisen.

Wissenschaftliche Benchmarks zur KI-basierten Videoerkennung

Wir vergleichen unser „Image Flash“-Modell mit mehreren wissenschaftlichen Benchmarks für die Videoerkennung mittels modernster KI-Verfahren. Wir erzielen bei mehreren Benchmarks Ergebnisse auf dem neuesten Stand der Technik, die zusammen nahezu alle Modelle der neuesten Generation für die KI-Videoerkennung umfassen.

Quellen: AIGVDBench · DF26 · Ivy-Fake

Native Videounterstützung

Pangram unterstützt nun von Haus aus das Hochladen von Videos. Laden Sie ein Video hoch, und Pangram Image Flash 1.0 analysiert es Bild für Bild, um Ihnen eine vollständige Übersicht darüber zu geben, welche Teile des Videos von der KI erkannt wurden.

Chrome-Erweiterung

Wir haben Pangram Image 1.0 in unsere Chrome-Erweiterung integriert. Damit werden KI-generierte Inhalte markiert, während Sie durch soziale Medien, Online-Shops, Mietanzeigen und andere Websites scrollen, auf denen es wichtig ist, zu wissen, dass das, was Sie sehen, echt ist.

Probieren Sie es hier aus

API

Mit der Veröffentlichung von Pangram Image 1.0 und Flash 1.0 haben wir unsere API aktualisiert, sodass sie nun sowohl die Bild- als auch die Videoerkennung unterstützt. Wir freuen uns sehr, der Community die Möglichkeiten dieser Modelle zur Verfügung zu stellen.

API-Dokumentation