对比测试

在检测器分歧最大的地方做测试。

实际要查的稿子,大多是人先写好、再让 AI 润色过的。我们专门为这种情况做了 300 篇测试集,同时参加独立的 RAID 基准测试。

Wofo Ink1.7
Pangram4.1
GPTZero2026-11-04-base / 5.0b

离真实 AI 比例的中位差(分),越低越好。 在纯人写和纯 AI 的文章上,三家表现相当。 版本:Wofo Ink 1.8;GPTZero 2026-11-04-base / 5.0b;Pangram 4.1。

RAID 基准测试

RAID 官方评分,超过 QuillBot、Grammarly 和 GPTZero。

RAID 是大规模的公开 AI 文本检测基准,由宾夕法尼亚大学等机构的研究者发布。测试集的答案不公开:检测器对测试文本给出判断,再由 RAID 自己的评测程序对照答案打分,其中包括专门为躲过检测而改动过的文本。

误判率 5% 时找出的 AI 文本比例,含对抗攻击

Wofo Ink1.699.63%
QuillBot99.62%
Grammarly99.47%
GPTZero97.24%
96%97%98%99%100%
AUROC
99.75
不含攻击
99.54%
1,000 万篇以上

来自 11 个 AI 模型,覆盖新闻、论文摘要、评论、诗歌、代码等 11 个领域。

对抗攻击对抗攻击是人为处理 AI 文本、以躲过检测的作弊手段。

面对这类文本,Wofo Ink 的识别能力高于 GPTZero、Grammarly、QuillBot 等检测器。

第三方评分

测试答案不公开,提交后由 RAID 自己的评测程序打分。

分数来自 RAID 官方排行榜。

300 篇测试集

每篇文章到底有多少被 AI 改过?

100 篇人写原文、同样 100 篇被 AI 改写了一部分的版本、100 篇纯 AI 文章,都没有用来训练 Wofo Ink。GPTZero 和 Pangram 在 2026 年 11 月通过官方 API 对同一批文本打分。

只有 Wofo Ink 说得出一句改了多少

改写稿里的句子,按实际被 AI 改了多少分成四档。每一档里,各家给每句的分数离真实改动平均差多少(分,越低越好)。

Wofo InkPangramGPTZero
02040606318没改1,131 句163445改了 30% 以内88 句145046改了 30–60%369 句144239改了 60% 以上684 句

分数只在两头

逐句分落在 5 以下或 95 以上的比例。只会说 0 或 100,就分不出改了四成还是九成。

Pangram4.1100%只有段落标签
GPTZero5.0b80.0%
Wofo Ink1.740.5%

逐句比较

100 篇改写稿里,AI 改动 30% 以上的 1,053 句、改动过半的 867 句,以及保持原样的 1,131 句。三家用同一条 30 分线。

改动 30% 以上:找出改动过半:找出没改的句子被误标整体判对
Wofo Ink1.789.1%90.0%7.3%90.9%
Pangram4.166.0%66.7%2.9%82.1%
GPTZero5.0b67.2%68.2%18.7%74.5%

整篇比较

100 篇改写稿上,各家报出的 AI 比例和真实比例相差多少。越低越好。

中位差平均差相差 10 分以内
Wofo Ink1.73.66.181 / 100
Pangram4.115.818.728 / 100
GPTZero5.0b16.619.224 / 100

纯人写和纯 AI

在完全人写或完全 AI 的文本上,三家差不多一样准;差别出在混合的稿子上。

人写文章判为人类AI 文章判为 AI
Wofo Ink1.7100 / 10096 / 100
Pangram4.1100 / 10096 / 100
GPTZero5.0b100 / 10095 / 100

每一篇改写稿

每个点是一篇文章。横轴是真实 AI 比例,纵轴是检测器报出的比例。落在对角线上就是完全准确。 真实 AI 比例 → · 报出的比例 ↑

Wofo Ink1.7中位差 3.6
05010050100
Pangram4.1中位差 15.8
05010050100
GPTZero5.0b中位差 16.6
05010050100

按改写多少分组

按真实 AI 比例分组的中位差(分)。

分组篇数Wofo InkPangramGPTZero
10–30%523.711.813.9
30–60%343.124.919.8
60–90%145.925.722.3

按文体分组

按人写原文的文体分组的中位差(分)。

分组篇数Wofo InkPangramGPTZero
新闻报道188.617.113.5
个人随笔114.124.113.3
论坛帖子103.610.719.0
学生作文93.015.616.4
问答网站回答94.112.89.1
工作邮件83.519.018.8
个人博客81.910.019.1
科研基金摘要84.125.013.5
影评72.411.329.2
英语学习者作文54.316.619.1
诗歌410.420.414.1
菜谱32.338.038.1

版本:Wofo Ink 1.8;GPTZero 2026-11-04-base / 5.0b;Pangram 4.1。

方法和数据

开放数据

供研究者复现和引用:300 篇的全部分数、每句的真实改动比例和三家的逐句结果。原文许可公开的附全文,其余附文体类别、日期和 SHA-256 指纹。登录后可以下载。

01

人写文章

100 篇,涵盖个人随笔、学生作文、新闻报道、论坛帖子、问答网站回答、工作邮件、科研基金摘要等 12 种文体,最早 1985 年,每篇 100–1,000 词。

02

AI 改写稿

每篇人写文章由 AI 改写一部分句子(模型包括但不限于 Qwen 3.6、Grok 4.3、GPT-6 Luna),改写比例 10% 到 90% 轮流。真实 AI 比例按和原文不同的词数算。

03

纯 AI 文章

每篇人写配一篇,题目和长度相同,由同样三个 AI 模型写成。

04

分数怎么算

整篇:Wofo Ink 用 AI 率;GPTZero 用 AI 比例加一半混合比例;Pangram 用 AI 加 AI 协助比例。逐句:Wofo Ink 以 50% 为界;GPTZero 用它自己的逐句高亮;Pangram 看句子所在段落的标签。

登录后下载数据

essays.csv(300 篇,全部分数)· sentences.csv(6,826 句)· 原文许可公开的文章全文。其余列出文体类别、日期和 SHA-256 指纹。

第一篇,免费测。

Apple、Google 或手机号注册即送 3 万点。

免费开始