GPTZero 是一款用于判断文本是否由大语言模型生成的检测工具。官网的自我定位是「为守护人类原创而生的 AI 检测器」，它要回答的问题看似简单——这段话是人写的还是 AI 写的——但这个问题本身没有非黑即白的答案。检测器给出的永远是一个概率判断，而不是一份鉴定结论。理解这一点，是正确使用这类工具的前提。
这篇介绍面向的是拿到分数之后必须做决定的人：看到高分作业的老师、决定是否采用外部撰稿的编辑、审阅求职信的招聘者，以及想证明文章确实出自本人之手的学生。
GPTZero 是一款网页端的 AI 文本检测器。你粘贴文字或上传文件，它会返回该内容由机器生成的概率，同时用高亮标出是哪些部分导致了这个判断。它在 2023 年初上线，正好赶上学校急于应对 ChatGPT 的时间窗口，因此迅速成为该品类中知名度最高的产品之一。
官网明确列出可检测 Claude、ChatGPT、GPT-5、Gemini 等模型生成的内容，也就是说它的覆盖目标是主流商用模型生态，而不是绑定单一厂商。这一点比表面看起来更重要：早期检测器往往只针对某一个模型家族调优，用户一换助手，准确率就大幅下滑。而维持跨模型覆盖是一项持续投入，因为每次有新模型发布，检测器所依赖的统计特征都会发生偏移。
这款产品起步于一个大学毕业设计。创始人 Edward Tian 在普林斯顿读书期间把它作为毕业论文项目开发出来，随后完成 350 万美元种子轮，并于 2024 年 6 月完成 1000 万美元 A 轮融资。2026 年 6 月，Superhuman 宣布收购 GPTZero，交易条款未披露，当时报道提到其注册用户超过 1900 万、年度经常性收入约 3000 万美元。
截至本文撰写时，该服务仍在自有域名下正常运营，产品页、定价流程与文档均完好，因此这次收购目前应理解为所有权变更而非停止服务。不过，若机构计划做跨年度的规模化采购，仍建议关注产品在新母公司体系内的定位变化。
必须诚实地说：GPTZero 并不能解决「抓作弊」这个问题。它解决的是一个更窄的问题——把一段文本在统计上呈现出的机器生成特征呈现出来，并给审阅者一份结构化的线索。至于这个线索是否应当改变任何人的判断，那是人的责任，厂商自己也是这么说的。
产品的主要输出是一个总体概率，配合对文本的高亮标注。其检测采用端到端的深度学习方法，训练语料来自网络文本、教育场景文本以及多种大模型生成的内容，并给出逐句分类结果，而不是只丢出一个不可解释的结论。这种粒度的实际价值在于：审阅者能看出问题是全篇均匀分布，还是只有零星几句被标记——这两种情况的含义完全不同，而单一百分比会把它们抹平成同一个数字。
官方还提到用隐马尔可夫模型支撑句子级高亮，并有一个称为 Paraphraser Shield 的模块，用于对抗「先用改写工具洗一遍再提交」这种常见规避手段。需要清醒认识的是，抗改写是这个领域最难的问题之一，它更像一场持续的攻防拉锯，而不是一个已经完成的功能。
真正拉开差距的能力其实不是检测器本身。Writing Report 走的是完全不同的路径：它回放一份 Google 文档究竟是怎样被写出来的，呈现写作活动时间线、最大的粘贴片段和平均修订时长，并且可以导出为 PDF。它不是分析成品再往回推断，而是直接观察产生这份成品的过程。
这在证据逻辑上是一次反转，值得多说一句。检测分数问的是「这段文字看起来像不像机器写的」，答案永远是概率性的；而写作回放问的是「这份文档是不是有人一点点敲出来的，中间有没有真实写作必然出现的反复和修改」，得到的东西更接近直接证据。对于想保护自己免受误判伤害的学生来说，回放比任何分数都有用——因为它是「我写了」的正面证明，而不是「查不出问题」的消极结论。它的硬约束是只在 Google 文档内有效，因此必须在动笔之前就启用，事后再想补是来不及的。
围绕核心检测器，还有幻觉检测器、抄袭查重、语法检查和 AI Vision，并可直接对接 Canvas、Google Classroom 等学习管理系统。其中幻觉检测对编辑团队特别有意义：在很多专业场景里，AI 辅助写作的真正风险并不是「这句话是机器写的」，而是「这句话里有一个说得斩钉截铁但根本不成立的事实」。核查论断和引用是否站得住脚，往往比核查作者身份更有价值。
对于需要批量处理而非逐份查看的场景，批量上传和班级看板把一个单文档工具变成了一套工作流。评测平台上的用户反复提到，批量处理和班级看板是他们相比更笨重的机构级平台更愿意用它的原因，另一个原因则是逐句高亮让结果更容易解读。
这是最主要也最棘手的场景。老师收到一份读起来别扭的作业，跑一遍检测，得到一个数字。接下来怎么做，决定了这个工具是帮了忙还是帮了倒忙。如果把它当作一次谈话的由头——请学生讲讲自己的论证思路，或者出示写作草稿——它是有价值的。如果把它当作自动生效的判决并直接启动处分流程，那就会制造出后文所记录的那类不公。
出版方在采购外部撰稿时，常常需要确认自己买到的是什么，尤其当合同中写明要求原创人类写作时。这里的性质是合同问题而非纪律问题，被标记的稿件通常引向一次与作者的沟通，而不是一份正式指控，因此风险远低于课堂场景。
求职信和笔试越来越多地借助 AI 完成，有些雇主希望知情。这个场景尤其需要谨慎：候选人池往往是国际化的，而检测器对非母语写作者的偏差意味着，以检测结果驱动的筛选可能系统性地淘汰掉最没有能力申辩的那批人。
大规模内容生产团队会把检测当作质量闸门，核查外包产出是否符合约定。由于对象是商业供应商而非面临学业处分的个人，误判的代价只是重新协商，因此可承受度高得多。
越来越多学生和作者会先自查——想知道自己确实原创的文字会不会被误判。这是对「举证责任落在被指控方」这种环境的理性反应，同时也有几分荒诞：诚实的写作者如今要反过来修改自己的文风，以免看起来像机器。
永远不要把百分比当成证据。 GPTZero 官方要求用户把结果当作对话的起点，而不是最终裁定。当厂商对自家输出的谨慎程度超过使用它的机构时，说明这套部署方式出了问题。
优先使用过程证据而非文本推断。 如果能要求或鼓励在保留版本历史的环境中写作，你就从概率推断切换到了可观察记录，这对任何有后果的决定都是更牢靠的基础。
先定政策，再上工具。 提前想清楚：多少分触发什么动作、由谁复核、作者如何申诉。那些没有申诉机制就上线检测的机构，往往要等到有人受害时才发现这个缺口。
用你自己的人群做校准。 上线前，拿本校本团队确定原创的文本跑一遍。如果你的学生大多是多语言背景，你需要知道的是你自己的误判率，而不是照搬一个基于其他人群的厂商基准。
对被评估者保持透明。 提前告知会使用检测、结果将如何被解读，既能降低被监视感，也让对方有机会保存自己的证据。
大模型有重大更新后要重测。 检测性能不是静态的，新模型发布后，原先成立的假设可能不再成立。
教师与教务人员：需要一个关于作业真实性的信号，更重要的是需要一种查看作业如何产生的方式。前提是所在机构对「被标记意味着什么」有明确政策。
编辑与内容负责人：核对约稿是否符合合同预期，被标记引向的是与供应商的沟通，而非一份处分档案。
学生与写作者：想证明作品确实出自本人之手。对这类人群而言，真正有价值的产品是写作回放，检测器反而是次要的。
开发者与平台团队：需要把检测嵌入交易市场、投稿系统或内容管线，API 默认不留存提交内容这一点是实打实的优势。
需要慎重考虑的人群：任何需要「确凿结论」的人。如果你的流程要求的是证据而非线索，市面上没有任何检测器能提供，此时引入它反而可能给一个本就依据不足的决定披上权威外衣。
GPTZero 以浏览器为主要界面，并向外延伸：提供 Chrome 扩展、Google 文档集成，以及与 Google Classroom、Canvas 的对接，使结果能与课业并列展示而不是分散在另一个标签页。Zapier 支持则覆盖了轻量自动化需求。
对于希望在自有产品中集成检测能力的团队，API 提供了 17 种编程语言的现成示例代码，包括 Node.js、Python、C#、Java 与 PHP。语言支持方面，除英语外还涵盖西班牙语、法语、德语等，但训练数据的偏向意味着英文散文仍是最有把握的场景。这一点在任何非英语部署中都值得重视：检测质量并非跨语言均等，而公开的准确率数字绝大部分来自英文语料。
免费额度是够用的。免费账户可处理最长 150,000 字符的文本，或一次最多 250 个文件的批量任务——这个额度足以让很多老师根本用不到付费版。
再往上，我们无法取得具体的订阅金额：定价页在服务端只渲染出占位数值，以及一个标注为「年付立省 45%」的计费选项，因此本文不引用任何具体月费数字。从已公开的结构看，存在按席位计费的 Professional 方案，以及提供共享额度与统一结算的团队/企业方案，API 另行计价。计划做机构级采购的读者，请直接向官方索取报价，不要采信第三方目录站上转载的数字，那些数据经常已经过期。（信息待验证）
Turnitin：学术诚信领域的既有霸主，通过已有的查重体系进入院校。其 AI 检测功能招致了不少批评，包括来自那些直接把它关掉的大学。
Originality.ai：面向出版方与内容代理商而非学校，团队管理功能更偏商业工作流。
Copyleaks：检测与查重并重，在多语言支持和企业合规方面着力较多。
Pangram：较新的入局者，公开发表过专门针对非母语英语写作误判率的研究，对多语言人群而言值得一并评估。
请勿把 GPTZero 与 ZeroGPT 混为一谈。 这是两家不同公司的两款不同产品，名字容易混淆，针对其中一个的评测常被误当成另一个的评测。看到任何对比资料，先核对域名。
不过最重要的替代方案并不是某个产品。重新设计评估方式，让 AI 代写变得没有意义——比如课堂现场写作、对提交作品进行口头答辩、或布置需要结合个人与在地经验的题目——才是解决根本问题，而不是一直在追着症状跑。
这一节比本页其他任何部分都更重要，因为这里的失效模式会对真实的人产生真实的后果。
厂商称在第三方 RAID 基准（约 672,000 条文本）上，在仅误判 1% 人类文本的阈值下检出了 95.7% 的 AI 文本；官网首页的「99% 准确率」也应当以同样方式解读。这些数字描述的是在特定基准数据集、特定阈值下的表现，而基准条件并不等于课堂条件。尤其要注意，该基准评估的是纯人类或纯 AI 文本，而现实中最难判的恰恰是混合文档——人起草、模型润色，或者反过来。这些数字均为厂商自报，未经独立审计。
官方明确说明准确率随粒度下降：文档级判断优于段落级，段落级又优于句子级——因此单独一句高亮是最弱的证据。这一点极其关键，因为审阅者在当面质询时，最爱指着的恰恰就是那几句高亮。界面上视觉冲击力最强的部分，正是统计上最不可靠的部分。
这是整个品类中最严重的局限。斯坦福的研究团队发现，被广泛使用的 GPT 检测器把非母语英语者撰写的 TOEFL 作文中超过半数误判为 AI 生成，平均假阳性率约为 61%，而美国八年级母语学生的作文几乎全部判断正确。其机制被认为是：检测器实际上在惩罚词汇量较受限的写作者，因为更简单、更可预测的用词在统计上与机器输出更相似。
该研究评估的是作为一个品类的若干检测器，而非对某个产品的当前版本下判决，包括 GPTZero 在内的厂商也声明此后已着手缩小这一差距。但结构性问题不会随版本更新消失：任何以语言可预测性为判据的检测器，都会倾向于让用第二语言写作的人吃亏，而这些人往往正是最没有机构话语权去申辩的那批。
范德堡大学停用了 Turnitin 的 AI 检测功能，并公开表态：不认为 AI 检测软件是一款应当被使用的有效工具。其理由是，把 1% 的假阳性率乘以该校一年提交的 75,000 篇论文，意味着大约 750 名学生会被错误标记。这个算术是理解「听起来很低的错误率为何在机构规模下并不令人安心」的最清晰方式——1% 的假阳性率不是一次失误，而是一所大学每年数百名学生。
专业评测平台上评分不错，G2 与 Capterra 均在四分中段，反映的是觉得它好用的教育工作者。而在 Trustpilot 上情况完全反转：该服务被评为 Poor 级，共 135 条评价，其中接近一半是一星，抱怨集中在被误判以及申诉困难。这两者并不矛盾：选择这个工具的人和被这个工具检验的人，对同一款产品的体验本就相反，任何诚实的评估都必须同时称量这两端。
在面向被误判学生的官方指南中，GPTZero 承认没有任何检测器是完美的，尤其在短文本、经过编辑或人机混合的写作上更容易出错。官方 FAQ 也直白写道：这些结果不应被用来惩罚学生，并建议教育者把写作报告作为整体评估的一部分。因此，把输出结果用于惩戒的机构，实际上是在违背开发这款工具的公司自己给出的明确指引。
隐私政策承诺个人信息留存不超过账户终止后三个月，并说明通过 API 直接提交的文本与文件内容默认不存储，也不用于产品改进。这里存在一个重要的不对称：经 API 传入的文档不被留存，但从网页控制台提交的输入会被存储，并以聚合方式用于改进服务。对处理学生作业的学校来说，这个区别不是技术细节——通过网页界面上传学生习作，意味着这些材料进入了聚合改进链路，在部署前可能需要向学生披露，或对照当地数据保护义务进行审查。
只要有心规避，通过改写、编辑或人机混排通常都能做到。这带来一个令人不适的不对称：手法老练的违规者能绕过检测，而不谙此道的诚实写作者却被误判抓住。检测系统因此可能最终筛掉的是坦率，而不是不端行为。
可以，免费额度是实用的。免费账户支持最长 150,000 字符的文本或最多 250 个文件的批量处理，足以覆盖大量个人使用场景。付费方案增加席位、更高用量与团队结算，但公开定价页并未显示具体月费金额，机构预算请直接索取报价。
厂商称在大型第三方基准上以 1% 人类误判率检出了 95.7% 的 AI 文本，官网首页宣传 99% 准确率。而针对检测器这一品类的独立评估，普遍发现真实场景表现要低一些，且准确率随文本长度、编辑程度和作者语言背景大幅波动。请把公开数字视作最佳条件下的基准成绩，而不是对你手头文档的保证。
会，这正是核心风险。误判是所有检测器上都有充分证据记录的现象。正式的学术腔调、经过反复打磨的文字，以及非母语英语者的写作，都更容易被错误标记。任何结果都不应被当作不端行为的证据。
斯坦福的研究发现，作为一个品类的检测器把非母语作者的 TOEFL 作文中超过半数误判为 AI 生成，平均假阳性率约 61%，而母语者作文判断准确。此后厂商已着手缩小这一差距，但服务多语言人群的机构在依赖任何检测器之前，都应先在自己的人群上验证表现。
收集过程证据：草稿、提纲、笔记，尤其是 Google 文档或 Word 的版本历史，它带有时间戳，能显示逐步成文的过程。同时应当追问：除了检测分数之外，还有什么证据支持这项指控？并要求不要把分数当作定论。厂商自己公开发布的指引也支持这一立场。
只能部分检出。产品有专门用于对抗改写工具的模块，但改写仍是最有效的规避手段之一，用户也普遍反映经过编辑或改述的 AI 文本容易漏检。文本被改动得越多，检测越无力。
检测覆盖英语、西班牙语、法语、德语等语言。但训练数据以成年人撰写的英文散文为主，因此英语之外的准确率缺乏充分刻画，部署前应在本地场景中验证。
取决于通道。通过 API 提交的内容默认不存储，也不用于产品改进；而通过网页控制台提交的输入会被存储并以聚合方式用于改进服务。个人信息在账户终止后留存不超过三个月。上传他人作品前，请对照本机构的数据保护义务审查这些条款。
两者定位不同。Turnitin 借助既有查重体系进入院校；GPTZero 则提供更细的高亮粒度和 Google 文档写作回放，后者目前没有直接对应物。两者在准确率上的根本局限是共通的，而且已有大学因误判顾虑彻底关闭了 Turnitin 的 AI 检测功能。
不应单独作为依据。该公司明确表示结果不应被用来惩罚学生，并把自家输出描述为对话的起点而非最终裁定。任何有后果的决定都需要旁证支撑，其中最可靠的是写作过程本身的记录。
