Originality AI 是一项基于网页的文本检查服务，运营主体为加拿大公司 Originality AI Inc，注册地址位于安大略省科林伍德市 Hurontario 街 64 号。它接收一段文字，返回两项主要判定：该文本由 AI 模型生成的可能性评分，以及针对既有已发表材料的抄袭比对。围绕这两项，还配有语法、可读性、事实核查、内容质量评分与规范合规等一组辅助检查。
公司由 Jon Gillham 在出售自己创办的内容营销机构后创立，服务于 2022 年 11 月上线——值得注意的是这早于 ChatGPT 公开发布，当时它是为检测 GPT-3 输出而构建的。这个时间点正是其自称首个商用 AI 检测器的依据。
本文其余部分都取决于一个区分，所以有必要先讲清楚。官网把产品描述为「在第三方研究中最准确的 AI 检测器」。而公司公布的准确率数字——99%、99%+、97.8%，以及 0.5% 至 2.4% 的假阳性率——取自其自家基准表中标注为「Internal Benchmark」（内部基准）的数据集。这些是厂商自行运行、在厂商自行选择的数据上得出的测试结果，没有任何一项经过独立审计。 与此同时，关于这个问题现存的同行评审文献，对检测工具这一整个品类得出了明显不同的结论。下文会把两方面都摆出来，因为要判断是否依赖这个工具，读者两边都需要看到。
当前有三个检测模型，均于 2025 年 9 月发布，厂商为每一个都给出了具体宣称。Lite 1.0.2 宣称对主流旗舰模型——OpenAI、Gemini、Claude 与 DeepSeek——达到 99% 准确率，假阳性率 0.5%。Turbo 3.0.2 宣称在同样这些模型上达到 99%+，对「人性化」改写内容最高 97% 准确率，假阳性率 1.5%。Academic 0.0.5 宣称 99%+ 准确率、假阳性率低于 1%，专注学术材料（含 STEM 答案、代码与公式），对 AI 人性化与绕过工具最高 92% 准确率。
这些就是营销所依托的数字，而它们值得与厂商为其给出的来源对照着读。公布的基准表把 Lite 1.0.2 列为真阳性率 98.91%、假阳性率 0.52%、假阴性率 1.09%——所针对的数据集，在厂商自己的表头一栏中写着「Internal Benchmark: Recently Released Models」。
2026 年 6 月推出的 AI Allowance 偏离了此前每个检测器都在问的二元问题。它不问「这是不是 AI」，而是让你设定愿意接受多少 AI 参与——0%、5%、15%、25% 或 40%——并按该阈值评分。厂商宣称在默认的 15% 设定下准确率为 99%+。
从概念上说这是产品中最有意思的东西，因为它承认了二元框架所掩盖的一件事：2026 年现实世界中的大多数写作，都落在完全人工与完全机器之间的光谱上，而编辑政策通常在意的是程度而非有无。至于底层测量是否真的支撑得起这种更细的区分，同样只有内部测试作证。
2025 年 5 月发布的 Multilingual 2.0.0 模型覆盖 30 种语言，宣称整体准确率 97.8%、假阴性率降至 1.99%、假阳性率 2.4%。
最后这个数字值得注意，因为它是厂商自己披露的、非英语检测明显更弱的证据：2.4% 的假阳性率对应 Lite 的 0.5% 与 Academic 的低于 1%。任何在评估非英语文本的人，按公司自己的数字，面对的是英文模型大约二到五倍的假阳性率。
抄袭检测是与 AI 检测并列的产品线而非附加项——创始人自述的动机之一，就是做一个带扫描历史、可分享结果与团队访问的现代抄袭检测方案。围绕这两根支柱的是事实核查器、语法检查器、可读性检查器、内容质量评分与规范检查器，另有面向批量作业的 Bulk Scan，以及输入网址即可爬取的整站扫描。
Chrome 扩展可直接在 Google Docs 内运行扫描，并能回放写作过程——展示一份文档是如何随时间被逐步写成的，而不只是对成品下判断。这是与检测评分性质完全不同的证据：过程证据而非统计推断，而且伪造难度高得多。对于试图确认学生是否真的自己写作的教师来说，一段显示出自然起草过程的回放，比任何百分比都更有说服力。
在透明度上，这家公司做得比多数同行更多：2023 年 8 月它发布了开源基准数据集与开源效果测试工具。在一个多数厂商什么都不公布的品类里，这是实实在在且不常见的一步。
但要与两项相反的事实一并衡量。当前旗舰模型的准确率数字仍来自内部基准而非那份开放数据集；而服务条款禁止逆向工程、反编译或试图推导模型、权重、提示词与非公开基准——这意味着外部无法独立验证当前系统究竟如何得出结论。
Enterprise 档明确定位于内容机构与出版方，而这恰恰是该工具的局限影响最小的场景。当编辑在核查一位自由撰稿人交付的是否为约定内容时，检测评分是一次对话的输入项，而不是带有后果的判决。批量扫描与整站扫描让它在规模上可行。
AI Allowance 适合那些真的写下过政策的组织——比如「AI 可用于资料研究与拟提纲，但成文的散文必须出自你手」——而不是一刀切禁令。设定一个与政策相匹配的阈值，比假装一个二元检测器能执行一条有层次的规则要诚实得多。
Academic 模型、Moodle 插件与学生数据条款都说明这一细分被有意服务。但这也正是该工具自身条款施加最严格限制的地方，下文会详述。作为若干信号之一使用——与写作回放、草稿历史或一次与学生的谈话并用——它能起作用。作为决定性依据使用，则违反厂商自己的可接受使用政策。
任何在约稿、评估投稿或判断产品评论是否真实的人，都有正当的使用需求，而此时假阳性的后果是相称的——你拒掉一份投稿，而不是惩罚一个人。
一个常被忽略的用法：以正式、结构化文体写作的人——这描述了相当多的非英语母语写作者、技术写作者与学者——可以先检查自己的文字是否可能被标记，从而预先知道自己或许需要作出解释。这是该工具的一种防御性用法，它的批评者很少提及。
无需账号即可每天扫描 3 次、单次最多 2,000 词。请把它用在来源你已完全确知的文本上——你自己写的一段，以及你确知由机器生成的一段——以便在花钱之前校准你的预期。
请注意其中的取舍：输入免费检测器的文本可能被用于训练，退出该用途需要付费账户。不要把机密材料或客户材料粘贴进免费工具。
Lite、Turbo 与 Academic 并不可以互换。Academic 为 STEM 答案、代码与公式而建，报告的假阳性率最低。Turbo 是对抗人性化工具更稳健的选择。如果你的文本不是英语，适用的是多语言模型，其假阳性率为更高的 2.4%。
如果你在使用 AI Allowance，请把百分比设成与你真正写下来的政策相符。因为觉得「严格」而选 0%，而你的实际政策其实容许 AI 辅助研究，只会产生一堆你随后会忽略的标记——那反而会训练你彻底不再信任这个工具。
这一步决定了你使用这个工具是否负责任。高 AI 评分意味着该文本具备与机器生成相似的统计特征，它并不确立该文本是如何被写出来的。正式的文体、简单的词汇、经过大量编辑的行文，以及非母语的措辞，都会因为与 AI 使用无关的原因把评分推高。
如果结果可能影响到某个人，请收集其他信号：版本历史、写作回放、可供对照的早前写作样本，或者一次谈话。这不是我个人的谨慎建议——如下文所述，这正是厂商条款对你的要求。
1 积分等于 100 词。订阅积分在每月结束时过期且不结转；单独购买的按量付费积分则可保留两年。如果你的工作量不均衡，走按量付费可以避免每月为最终损失掉的额度付费。
Enterprise 提供 365 天扫描历史，Pro 未标明同等的留存期。如果检测结果有可能参与到关于人的决定中，能够回溯当时扫描了什么、何时扫描，仅凭这一点就值回档位差价。
服务条款第 9 条禁止把输出当作重大决定的唯一依据，并禁止仅因检测或抄袭分数而惩罚学生、员工、承包商、写作者或申请人。如果你正在设计一套机构工作流，这一条应当塑造它的形态。厂商把这写下来既不常见也值得称许；同时它对作为用户的你具有约束力。
在规模化部署之前，请用一组你确知由人类撰写、且来自你将要评估的同一人群的文本跑一遍——相同主题、相同语言背景、相同文体。厂商的基准对你的具体语料毫无说明力，而这是了解你自己那份假阳性率究竟是多少的唯一办法。
厂商自己的数字把多语言假阳性率定在 2.4%，而英文 Lite 模型是 0.5%。如果你在评估翻译文本或非英语写作，请相应下调你的置信度。
在关于这类系统如何工作的所有公开说明中，检测可靠性都随文本长度提升而提升，包括 OpenAI 自己关于其分类器在低于 1,000 字符时不可靠的说明。对一个自然段的标记，其意义近乎为零。
如果你能拿到过程证据，它比评分更有力。一段显示文档在数小时内被起草、修订与重构的回放，是任何百分比都无法提供的、支持人类作者身份的正面证据。
免费档的输入可能被用于训练，只有付费账户能退出。客户作品、未发表的手稿，以及含个人数据的学生提交物，如果要扫描，也只应放进付费账户。
已核实的评价者反映退订路径难以走完。无论你如何看待这一点，实务上的应对是：远早于续费日取消、以书面形式确认，并检查下一个计费周期。
出版方、内容机构与内容交易平台最契合，因为该工具参与的决定是商业性而非针对个人的——接受或拒绝一件作品——而批量与整站扫描的工具形态也与它们的运作方式相匹配。
已写下 AI 政策的编辑团队能从 AI Allowance 上获得实质价值，因为基于阈值的工具与基于阈值的政策相匹配，这是二元检测器做不到的。
教育工作者与机构是被有意服务的——Academic 模型、Moodle 插件、学生数据保护——但在围绕它搭建任何流程之前，应完整读完本文的限制章节，并把厂商自身对「唯一依据式决定」的禁令当作设计约束而非小字条款。
检查自己作品的写作者，尤其是以正式文体写作或以英语为附加语言写作的人，有一种真正防御性的用途。
该看别处的人：任何寻求证明而非概率的人，在这里和在任何竞品那里都找不到，因为这个底层问题目前并不容许证明。想把学术不端认定自动化的机构，明确处在厂商所允许的范围之外。任何主要评估非英语写作的人，都应认真权衡那个更高的已披露假阳性率。而任何无法容忍一小部分带有真实后果的错误答案的人，根本就不该使用自动检测。
Originality AI 以带控制台的网页应用形式交付，并通过 Chrome 扩展（在 Google Docs 内运行扫描并提供写作回放）、面向教育机构的 Moodle 插件、供程序化使用的 API 与企业集成触达其他环境。文件上传支持 docx、doc 与 PDF，另可粘贴或直接输入文本，整站扫描则接收一个网址。
API 访问属 Enterprise 档功能，Pro 档不提供。免费工具——AI 检查器、事实核查器、抄袭检查器、可读性与语法检查器——以独立页面的形式挂在站点上。
共公布两档订阅，均以美元计价，年付相对月付有折扣。
Pro 为年付每月 12.95 美元（年账单 155.40 美元）或月付 14.95 美元，定位于个人与小团队。含每月 2,000 积分，1 积分等于 100 词——约合每月 20 万词的扫描量。包含标准支持、文件上传、整站扫描、团队管理、扫描打标与 Chrome 扩展。团队席位另计，每席每月 9.95 美元，年付为 8.62 美元。
Enterprise 为年付每月 136.58 美元（年账单 1,638.96 美元）或月付 179 美元，定位于内容机构与出版方。含每月 15,000 积分、专属客户成功经理、优先支持（问题通常一小时内解决）、365 天扫描历史与 API 访问。席位另计，每席每月 24.95 美元，年付 19.04 美元。
免费访问无需账号即可使用：每天 3 次扫描、单次最多 2,000 词。以此方式提交的文本可能被用于训练，只有付费账户能退出。
有两条积分机制比标价更值得注意。订阅积分若未使用，在每月结束时过期——它们不会累积。而一次性付款购买的按量付费积分，自购买之日起两年内有效。如果你的用量是季节性或按项目波动的，走按量付费可以避免每月为随后蒸发掉的额度付费。
退款方面条款很直接：取消只停止后续续费，不会自动退还已发生的扣款；除法律要求或订单表另有明示外，费用一经支付不予退款；已消耗的服务——已完成的扫描、抄袭检测、API 调用——不可退款。条款同时保留了依法不可放弃的强制性消费者权利。
GPTZero 是教育细分中最直接的竞争者，同样公布自家的准确率宣称，并带着同样的根本性附注——厂商自行测试。用你自己那份来源已知的语料去比较两者，比比较它们的营销材料有用得多。
Turnitin 凭借既有的教学系统关系与长期积累的抄袭检测基础设施，在机构侧具有分量；对大学而言，集成路径与采购流程往往在准确率之前就决定了答案。它也是下文所述 Weber-Wulff 评测中被纳入的两个商用系统之一。
Copyleaks 在 AI 检测与抄袭两侧竞争，尤其强调多语言覆盖。如果你的语料以非英语为主，考虑到该场景下更高的已披露假阳性率，这一点可能有实际意义。
Winston AI 等较新的入局者以价格以及关于识别人性化工具输出的具体宣称竞争。同样的证据审慎标准，对它们一视同仁地适用。
不使用自动检测值得作为一个真实选项列出。过程证据——草稿历史、版本控制、口头答辩、课堂内写作——产出的是你真正站得住脚的结论，已有若干机构有意识地转向这条路。它更费力也难以规模化，但它不带假阳性率。
诚实的总结是：在一个核心宣称结构性地难以验证的品类里，Originality AI 属于较为透明的厂商之一。它公布了模型迭代史，发布过开源基准工具，并把使用上的明确限制写进了自己的条款。这些都不能解决底层问题——任何检测器是否准确到足以支撑带后果的用途——而独立文献倾向于认为，这个品类作为整体还不够。
这是核心附注，且无一例外地适用。99%、99%+、97.8%，以及 0.5% 至 2.4% 的假阳性率，全部由公司自行测试、在其基准表标注为「Internal Benchmark」的数据集上得出。没有独立审计机构验证过它们。这不是对其诚信的指控——这是对这些数字证据地位的描述，而且在整个品类里，这是常态。
与之相关的那句宣称也需要精确表述。官网把产品描述为「在第三方研究中最准确的 AI 检测器」。公司自家的准确率文章里确有一个承诺概述第三方研究的章节标题，但该页面上呈现的实质准确率数据来自内部基准。想要找到足以佐证首页那句话的第三方研究，在那里找不到相应的引文。
现存最有分量的独立评测出自 Weber-Wulff 等人之手，论文题为《对 AI 生成文本检测工具的测试》（英文原题 Testing of detection tools for AI-generated text），发表在《国际教育诚信学刊》上，为该刊第 19 卷第 26 篇，出版年份为 2023 年。该研究测试了 12 个公开检测工具与 2 个商用系统，结论是现有检测工具「既不准确也不可靠」，并存在把 AI 内容误判为人类撰写的显著偏向。研究进一步发现内容混淆手段会显著削弱工具表现，作者据此强调在学术场景使用此类系统会带来严重影响。
该研究并未单独针对 Originality AI，且其所测模型早于当前这一代。但它是这个品类现存最接近独立评估的东西，而它的结论与任何厂商的 99% 宣称都难以调和。
由斯坦福大学的梁伟欣（Liang）、Yuksekgonul、毛、吴与邹五位研究者合作的论文，题为《GPT 检测器对非英语母语写作者存在偏见》（英文原题 GPT detectors are biased against non-native English writers），编号 arXiv 2304.02819，于 2023 年 4 月提交、同年 7 月定稿。他们的发现是：检测器持续把非英语母语者的写作误判为 AI 生成，同时对母语者的写作判定准确。他们还证明简单的提示改写既能减轻这种偏差，也能绕过检测——这个结果从两个方向同时削弱了检测的可靠性。
Originality AI 公开作出了回应，文章标题为《对一项有缺陷的斯坦福研究的回应》。该回应对方法论提出质疑。值得注意的是，它同时复述了该研究的核心数字而未加否认：检测器把超过半数的 TOEFL 作文误判为 AI 生成，平均假阳性率为 61.3%。
读者应自行从这场交锋中得出结论。没有争议的是：误判非母语写作的风险，是一个双方都承认其存在的、已被记录并发表的问题。
关于这个问题究竟有多难，最清楚的指示来自那家构建被检测模型的公司本身。OpenAI 的分类器页面上写着：「自 2023 年 7 月 20 日起，该 AI 分类器因准确率过低而不再提供。」其公布的性能是：「在英文挑战集上正确识别 26% 的 AI 撰写文本（真阳性）为『可能由 AI 撰写』，同时把 9% 的人类撰写文本误判为 AI 撰写（假阳性）。」
这不是对 Originality AI 具体模型的评价——后者宣称的数字要好得多。这是关于这个品类赢得了多少怀疑的背景。
对教育或人力资源领域的任何人来说，这是本文中最重要的一件事，而且它出自公司自身。服务条款第 9 条禁止用户把输出「用作可能对个人产生法律、学术、就业、住房、保险、信用、纪律、声誉、医疗或类似重大影响的决定的唯一依据」，并特别禁止「仅因 AI 检测输出或抄袭分数」而去「指控、处分、惩罚、解雇、判定不及格、举报或以其他方式实质性不利对待学生、员工、承包商、写作者、申请人或其他人」。第 8 条要求你「在采取任何可能实质影响个人的行动之前，使用人工复核与适当的正当程序」。
直白地读：厂商一边宣传自己是最准确的检测器，一边禁止你把它的输出当作足以让一名学生不及格或让一名员工被解雇的依据。这两个立场各自都站得住，而把它们并置的诚实程度高于多数竞品。但一个采用该工具来自动化不端认定的机构，正在违反它已同意的条款。
即使全盘接受公司的数字，算术仍然重要。按 Academic 模型宣称的低于 1% 假阳性率，扫描一千份真正由人类撰写的作业，仍可能有接近十份被标记。按多语言模型的 2.4%，绝对数量还要更高。那些在营销材料中看起来令人安心的百分比，一旦施加于一整届学生，描述的是相当数量的具体的人。
Trustpilot 档案的评分为 4.6、共 1,294 条评价——样本量很大——分布为 5 星 80%、4 星 6%、3 星 1%、2 星 1%、1 星 12%。
有两条限定。该档案自 2023 年 9 月起被厂商认领，Trustpilot 标注该公司主动邀请评价，且厂商已回复 89% 的负面评价——这些都会把选择压力推向正面。更实质的一点是：逐条阅读近期正面评价可以看到，它们高度集中于客服体验，反复点名具体的支持人员，而非检测准确性。这个 4.6 分最好被读作关于公司响应度的信号，而不是用户对检测器正确性的背书。
负面一侧，一条反复出现的具体抱怨关于取消订阅。一位已核实的评价者称退订链接「极小、隐蔽，字体近乎完全透明」，随后是约八次挽留报价，并称一旦选择提交反馈，取消就变得在字面意义上无法完成，账户转而被置为暂停状态。
订阅积分不结转——未用完的额度在月末作废。取消只停止后续续费，不退还已发生的扣款，已消耗的扫描与 API 调用不可退。对用量不均衡的场景，两年有效的按量付费选项在结构上更合适。
条款禁止逆向工程、反编译或试图推导源代码、算法、模型权重、提示词、系统设计与非公开基准。这是标准的商业保护，但与内部生成的准确率数字结合起来看，意味着该产品的核心宣称在设计上就无法由外部核查。
厂商自己的模型历史显示，其最难测试集上的准确率在一次发布中从 90.2% 提升到 98.8%，而同一步中假阳性率仅从 2.9% 微降至 2.8%。这条轨迹反映的是一个移动的靶子：人性化与绕过工具与检测器同步进化，今天公布的数字描述的是面对该次测试运行时所存在的规避手段时的表现。
公司宣称其当前英文模型达到 99% 或更高，假阳性率介于 0.5% 与低于 1% 之间；30 语种的多语言模型整体 97.8%，假阳性率 2.4%。这些全部来自公司自行在标注为「Internal Benchmark」的数据集上的测试，没有一项经过独立审计。针对检测工具这一品类的独立同行评审工作——最著名的是 Weber-Wulff 等 2023 年的研究——得出的结论是现有工具「既不准确也不可靠」。请把厂商数字当作宣称，而非测量结果。
会，而且厂商直接披露了相应比率。更重要的是，已发表研究记录了这种风险分布并不均匀：一项斯坦福研究发现，检测器把非英语母语者的写作误判为 AI 生成的频率远高于母语者，在 TOEFL 作文上的平均假阳性率为 61.3%。Originality AI 对该研究的方法论提出质疑，同时复述了这组数字。正式文体、简单词汇与大量编辑，都会因与 AI 使用无关的原因把评分推高。
不能仅凭它——而且这是厂商自己的规则，不只是建议。服务条款禁止把输出用作具有学术、就业或纪律后果的决定的唯一依据，并特别禁止仅因检测或抄袭分数而惩罚学生、员工、承包商、写作者或申请人。条款还要求在任何可能实质影响个人的行动之前进行人工复核与适当的正当程序。
Pro 为年付每月 12.95 美元或月付 14.95 美元，含每月 2,000 积分。Enterprise 为年付每月 136.58 美元或月付 179 美元，含 15,000 积分、API 访问、365 天扫描历史与优先支持。1 积分等于 100 词。两档的额外席位均需另行付费。另有免费档，每天 3 次扫描、单次最多 2,000 词，无需账号。
有——每天 3 次扫描、单次最多 2,000 词，无需账号。代价是输入免费检测器的文本可能被用于训练，且只有付费账户能退出。不要用它处理机密材料或客户材料。
订阅档不会。订阅积分若未使用，在每月结束时过期。单独购买的按量付费积分自购买之日起两年后过期，更适合不规律的工作量。
支持，通过覆盖 30 种语言的多语言模型，厂商宣称整体准确率 97.8%。请注意同一份披露把该模型的假阳性率定在 2.4%，而英文 Lite 模型为 0.5%——按厂商自己的数字，明显更高。
厂商宣称 Turbo 3.0.2 识别人性化内容的准确率最高 97%，Academic 0.0.5 对人性化与绕过工具稳健、最高 92%。这些是内部数字。检测与规避同步演进，因此任何此类数字描述的都是面对测试运行当时所能获得的绕过技术时的表现。
Trustpilot 的分布是 1,294 条评价中 4.6 分，5 星 80%、1 星 12%。正面评价集中在客服而非检测准确性。反复出现的负面主题是取消订阅困难——一位已核实的评价者描述退订链接近乎不可见、约八次挽留报价，以及在选择提交反馈后无法完成取消。
不能，任何竞品也不能。检测评分是一个统计可能性，而不是关于文本如何产生的证据。该产品能提供的最具证明力的东西不是评分，而是其 Chrome 扩展中的写作回放，它记录了一份文档实际是怎样被写成的。这类过程证据远强于任何百分比——而这也正是多数站得住脚的学术诚信实践一直在走的方向。
