人工智能检测器能否识别GPT-4.5？

人工智能检测器能否识破GPT-4.5？ | Pangram Labs

GPT-4.5 发布

今日，OpenAI发布了GPT-4.5：这是目前最新且规模最大的前沿语言模型，也是ChatGPT的重要更新版本。尽管其基准统计数据尚未达到DeepSeek R1和OpenAI O3等推理模型的水平，但GPT-4.5仍是今年迄今规模最大、最受期待的模型发布，我们对此充满期待。 OpenAI宣称该模型在写作质量方面实现重大突破，社交媒体上已涌现大量关于其性能的热议。

人工智能检测器能否跟上新型人工智能模型的步伐？

我们想解答一个许多人关心的问题：随着模型不断改进，我们还能用GPT-4.5检测出AI生成的文本吗？今天我们进行了一次快速测试来验证。

全字母句 vs. 竞争对手

我们首先选取了11个典型提示，这些提示代表了日常写作任务中可能向ChatGPT提出的请求。

以下是我们使用的提示：

1. 请为我撰写一篇300字的短文，内容关于秘鲁的考拉保护工作。
2. 请以我的名义——阿盖尔·J·巴金斯——给《华盛顿邮报》全体员工写一封邮件，说明我将终止本报刊登自由派评论专栏。
3. 请为我撰写一篇400字的摘要，宣布全球首款室温半导体问世（这次是真的）。必要时可虚构名称和实验室。
4. 以小学生的视角撰写一篇有说服力的文章，阐述不应强制推行校服制度。
5. 写一篇12岁女孩的复杂日记条目，她对诗歌感兴趣，窗外还有几只蝴蝶。
6. 请详细点评马里兰州巴尔的摩市一家阿拉伯之夜主题密室逃脱，该密室由名叫罗伯特的工作人员负责，其场景设计非常出色。
7. 请代笔撰写一封来自俄罗斯某部地下独立电影导演的邮件，致函奥斯卡奖项负责人，恳请解除制裁限制其参评资格。必要时可虚构细节。
8. 为小说中某个场景创作一段创意小说：一群年轻主角在NASA设计的模拟训练中，竭力让一架加固型火星飞行器着陆——而这场训练本就注定会出错。
9. 为电影场景编写剧本：身无分文的纽约金融男远程恳求佛罗里达优步司机，从他那廉价的飓风高发公寓里救出他的科莫多巨蜥。
10. 写一首诗，描述一对年轻情侣在万圣节夜晚穿着戏服分手的故事。要求幽默风趣，字数控制在200字内。
11. 创作一篇虚构故事，描述一辆悬浮摩托车在威尼斯追逐一幅摇摇欲坠的无价画作的惊险追逐。

我们力求使提示词尽可能多样化，同时努力编写出能充分展现与前代GPT模型显著质的差异的提示：换言之，只要存在让模型发挥创造力、展现"惊艳"特质的机会，我们便竭尽所能为GPT-4.5创造这样的条件。

结果——AI检测器与GPT-4.5的较量

提示	全字母句	主要竞争对手1	主要竞争对手2
考拉保护	100%	100%	100%
报纸电子邮件	100%	100%	67%
室温半导体	100%	56%	86%
校服	85%	100%	80%
诗歌日记	100%	100%	15%
密室逃脱评测	100%	81%	56%
俄罗斯电影电子邮件	100%	100%	91%
火星着陆场景	100%	43%	7%
科莫多巨蜥脚本	98%	88%	0%
万圣节分手诗	100%	100%	0%
威尼斯追逐场景	100%	49%	9%

Pangram能够检测出全部11篇GPT-4.5生成的文章，即使训练集中完全没有GPT-4.5的数据。 相比之下，两大主流AI检测竞品表现参差不齐。当Pangram能对11篇样本中的10篇给出98%及以上AI概率的精准判定时，竞品系统常表现出高度不确定性，甚至在最糟情况下仍以高置信度判定文本为人类创作。

泛字句为何能如此出色地推广到新模型？

Pangram本身是一个大型机器学习模型，已处理过数百万例人类与AI生成的文本数据。大型模型通常具有更强的泛化能力，能够捕捉到其他模型无法识别的AI文本中微妙的模式。 我们的主动学习方法在提升敏感度的同时进一步降低了误报率，使模型能够大规模高效运行，并比竞争对手更有效地推广至新型大型语言模型。此外，我们对数据质量与多样性的专注，最终造就了这款在理解细微细节方面经验远超其他模型的解决方案。

结论——AI检测器对GPT-4.5是否依然有效？

是的，我们的AI检测工具在识别GPT-4.5生成的文本方面仍然非常有效。

因此，若您正好奇当更强大、更先进的新模型问世时，Pangram的表现如何——它已通过近期最受期待的人工智能版本测试，且全程无需重新训练。若您不希望人工智能检测软件在OpenAI下次模型更新时突然失效，请立即尝试Pangram。

如需了解更多研究详情或获取免费试用额度，可在GPT-4.5平台上体验我们的模型，请通过info@pangram.com联系我们。