Pangram

随着生成式 AI 内容的爆发式增长，互联网正面临被低质量、自动化文本和图像淹没的风险。总部位于纽约的初创公司 Pangram 刚刚完成了由 Menlo Ventures 领投的 900 万美元融资，旨在通过其高精度的检测技术，帮助用户、平台和机构区分人类创作与 AI 生成内容，从而维护数字世界的信任基石。

核心技术与产品

Pangram 的核心竞争力在于其不依赖水印或元数据，而是通过深度学习模型识别内容背后的统计特征和风格差异。

📝 Pangram 4：新一代文本检测模型

• 超高准确率：在检测纯 AI 生成内容及混合人机协作内容方面，准确率超过 99%。
• 抗干扰能力强：能有效识破试图通过“人性化”提示词或后期编辑来逃避检测的 AI 文本。
• 细粒度分析：不仅能判断是否由 AI 生成，还能评估 AI 辅助的程度（例如：是完全由 AI 撰写，还是仅用于润色）。
• 训练方法：通过在数千万份已知人类文档上训练，并为其创建由前沿 LLM 生成的“合成镜像”，模型学会了捕捉 AI 在风格选择上的细微一致性偏差。

🖼️ Pangram Image：AI 图像检测器

• 像素级分布分析：基于真实照片与 AI 生成图像在像素统计分布上的微妙差异进行识别，不依赖特定厂商的水印。
• 跨模型通用性：能够识别来自不同 AI 模型（如 Midjourney, DALL-E, Stable Diffusion 等）生成的图像。
• 混合内容检测：甚至能检测到嵌入在真实世界照片中的 AI 生成元素。目前处于研究预览版阶段，预计近期广泛发布。

应用场景与商业模式

Pangram 认为，了解内容来源对于建立信任至关重要。无论是新闻读者需要警惕幻觉，还是学术界需要确保原创性，检测工具都将成为基础设施。

• 个人用户：
  • Web 订阅：每月 20 美元，提供详细的文本分析报告。
  • Chrome 扩展程序：在 X (Twitter)、LinkedIn、Substack、Reddit 和 Medium 等平台上实时自动标记帖子，并提供“信息流健康评分”，直观展示屏幕上人类与 AI 内容的比例。
• 企业与平台集成 (API)：
  • Substack：已集成 Pangram 技术，向读者透明展示哪些通讯作者使用了 AI 辅助写作。
  • 其他客户：包括 Quora、各大高校、出版商、招聘机构等，用于筛选简历、审核论文或净化社区内容。

市场背景与竞争

Pangram 的出现正值全球对 AI 内容监管趋严之际：

• 学术规范：开放获取档案 arXiv 已出台新政，若提交材料中包含未经审查的 LLM 输出证据，作者可能面临一年的提交禁令。
• 法律风险：错误使用 AI 可能导致制裁、罚款或声誉受损。
• 竞争对手：Winston AI、Originality.ai、Copyleaks 和 GPTZero 等也在同一赛道竞争，但 Pangram 凭借其在混合内容检测和抗干扰能力上的突破，获得了资本青睐。

创始人愿景

联合创始人 Max Spero 和 Bradley Emi（均毕业于斯坦福大学 AI/ML 项目）指出，AI 内容的增长速度远超人类人口增长（“新 GPU 的速度比新人口出生的速度还快”）。

Spero 强调：“如果我们不主动偏向人类内容，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。” Pangram 的目标并非发起对 AI 使用者的“猎巫行动”，而是提供一种机制，确保在 AI 辅助可接受且披露的前提下，人类创作的独特价值和真实性得以保留。