AigcCheck · AI 味检测

粘一段中文进去 → 得到一个「有多像 AI 写的」评分、一句话结论，以及在原文里直接标出来的可疑片段。两条通道：本地初筛（纯 JS，边打字边算，不联网、不限量）与模型判读（看语义，有限试用）。

它测的是文本里残留了多少「未经修改的大模型原样输出」特征，不是「是不是 AI 写的」的判决书。分数是概率证据，不能当溯源证明；与知网 / 维普等平台的 AIGC 率也没有直接相关性。

这是有限试用。模型判读走的是作者本人的 Claude 订阅额度，不是无限的： 每个 IP 每天 8 次、单次输入 4000 字符、全站每天 300 次，用完当天不再放行。想不受限地跑，请在下面填你自己的 API key（浏览器直连模型厂商，不经过本站服务器）。
请不要把未发表的稿子粘进来 —— 走本站通道等于把正文交给第三方模型；要正文一个字都不出本机，用文末说的那个本机 app。

1 · 它替你解决什么

场景	没有它的时候	用它之后
写完一段，想知道「AI 味重不重」	凭感觉，或者整篇粘进某个来路不明的检测站	粘进来先跑本地初筛：不联网、不限量、秒出，先看表面特征够不够干净
知道 AI 味重，但不知道改哪句	只有一个总分，只能整篇重写	模型逐条给出可疑片段 + 为什么可疑，并在原文里高亮，鼠标悬停看理由
不想给任何人留下正文	在线检测站默认留库	本地初筛在你的浏览器里算完；要更严格就用本机 app（正文不出本机）
额度用完了 / 不想排队	只能等	填自己的 API key，浏览器直连模型厂商，不受本站额度限制

2 · 三个分数不要混着看

分数	量程	看的是什么	成本
本地初筛分（本页）	0–100	只看表面特征：句长方差、连接词密度、四字格密度、段落整齐度、套话词密度、标点多样度。不理解语义，一段有意写得工整的人类公文一样会被打高分	零，纯 JS 本地算
模型判读分（本页）	0–100	看语义：论述套路、观点空转、比喻陈旧、信息密度、有没有具体到不可替换的细节	占额度，每次约 10–30 秒
采样差异度 d（本机 app）	约 −4 ~ +4	统计量，不是百分数：文本用词有多贴近打分模型的最高概率选择（原理见第 5 节）	本机推理，分钟级

三者不可换算。本地初筛分高只说明「文风整齐得可疑」，请以模型判读为准；两者都不能替代人读。

3 · 现在就试

待检文本

0 / 4000 字符

A · 本地初筛不联网 · 不限量 · 实时

下面这一格只看表面特征，不看语义；它存在的意义是让没有额度的人也能先拿到点东西，并且告诉你「哪几个可量化的地方长得太整齐了」。判定语义要不要重写，只能靠第 B 格的模型。

—

0 干净3060100 整齐得可疑

B · 模型判读看语义 · 占额度

还没跑。上面点「调用模型判读」。

模型这次没有返回可解析的 JSON。原样贴在下面，别浪费这次额度：

C · 原文高亮

红底 = 模型标出的可疑片段（悬停看理由）虚线 = 本地词表命中的连接词 / 套话词显示本地词表命中

上面粘文本后，这里显示带标注的原文。

用我自己的 API key（可选，绕过本站额度）

记在本浏览器

填了 key 之后，请求由你的浏览器直接发给模型厂商（api.anthropic.com）， 这个 key 与你的正文都不会发到本站服务器，本站也没有任何日志能看到它。默认只存在内存里，刷新即失效；勾了「记在本浏览器」才会写进本机 localStorage，点「清除 key」立即抹掉。这条通道不受每 IP 8 次 / 全站 300 次的限制，花的是你自己的额度。

4 · 本地初筛到底在数什么

特征	怎么算	为什么它有信号	权重
句长变异系数	各句字数的标准差 ÷ 均值	人写的句子忽长忽短，模型直出的句子长度扎堆。越低越可疑	24
连接词密度	「首先 / 其次 / 综上 / 值得注意的是」等命中数 ÷ 句数	模型爱把论述骨架显式说出来，人写常省略	20
套话词密度	「赋能 / 助力 / 深刻 / 至关重要」等命中数 ÷ 百字	高频抽象词是最省事的填充物	24
段落长度整齐度	1 − 段落字数的变异系数（需 ≥3 段）	每段都差不多长 = 按模板生成的痕迹	14
四字格密度	内置四字词表命中数 ÷ 百字	成语堆砌常见于「显得有文采」的直出文本	12
标点多样度	破折号 / 省略号 / 问号 / 感叹号 / 括号 ÷ 百字	人写有停顿、犹豫、插话；直出文本标点极其规矩。越低越可疑	6

表格行 / 数字密集行（判据与本机引擎的 is_tabular_line() 同一套）在算之前会被剔掉 —— 数字序列的这些统计量没有 AIGC 含义，留着只会稀释分数。剔了几行会在上面如实报给你。段落或句子太少时对应特征标 n/a 并把权重摊给其余特征，不拿默认值凑数。

5 · 本机 app 的打分原理

本页的两个分数都是「够用」的近似。真正的统计判据在本机 app 里：Fast-DetectGPT 的解析式采样差异度 —— 用一个开源基座模型（Qwen2.5）对文本做一次前向，在每个 token 位置拿到三个量，合成一个标准化的差值：

d = \frac{\sum_{i = 1}^{n} ℓ_{i} - \sum_{i = 1}^{n} μ_{i}}{\sqrt{\sum_{i = 1}^{n} σ_{i}^{2}}}

符号	是什么
$d$	这段文本的采样差异度，也就是 app 界面上那个总分
$ℓ_{i}$	第 i 个位置上，实际出现的那个词的对数概率 log p
$μ_{i}$	同一位置，模型自己采样的对数概率期望 E[log p]（对整个词表求和）
$σ_{i}^{2}$	同一位置该期望的方差，用来把差值标准化，长短文本才可比
$n$	参与打分的 token 数（每块首 token 没有预测上下文，不算）

拿三个 token 的最小例子手算一遍。假设某段实际用词的对数概率是 ℓ = (−0.20, −0.35, −0.15)，同位置模型自采样期望是 μ = (−1.40, −1.60, −1.30)，方差 σ² = (0.50, 0.80, 0.45)：

Σℓ  = -0.20 + -0.35 + -0.15 = -0.70
Σμ  = -1.40 + -1.60 + -1.30 = -4.30
分子 = -0.70 - (-4.30)       =  3.60
Σσ² =  0.50 +  0.80 +  0.45  =  1.75
分母 = sqrt(1.75)            =  1.3229
d   =  3.60 / 1.3229         =  2.72   → 落在 ≥1.5 档 → 「强 AI 指纹」

读法就写在数上：实际用词的概率（−0.70）远高于模型随手采样的平均水平（−4.30），说明这段话句句都挑在模型最想说的词上 —— 这正是未经修改的大模型输出的特征。人写的文字会夹着低概率的突兀选择，分子随之缩小甚至变负：把上面的 ℓ 换成 (−3.10, −0.90, −4.20)，分子变成 −8.20 −(−4.30) = −3.90，除以同一个 1.3229， d = −2.95，落进「未见明显 AI 指纹」。相比原版 DetectGPT 要反复扰动文本重打分，这个解析形式只需一次前向，所以一份长文档在个人电脑上是分钟级而不是小时级。

判定刻度（本机 app 用的那把尺，试着输个数）

< 0.7
未见明显 AI 指纹
≠ 证明是人写的

0.7 ~ 1.5
可疑
建议人工复核

≥ 1.5
强 AI 指纹
原样输出特征明显

采样差异度 d =

这段判定逻辑是本机引擎 verdict() 的离线复刻，阈值同源。

这组阈值是对中文公文 / 报告体标定出来的（对照样本：AI 直出公文段 2.40，人写的调查报告段 0.34 与 −2.49）。换文体、换语种，刻度就不再可信。

6 · 已知盲区（刻意写在这里）

经过实质人工改写的文本会逃逸检测。这工具测的是「原样输出残留量」，你把 AI 稿认真改一遍，它就该测不出来了 —— 这不是 bug，是它的定义。
本地初筛会冤枉工整的人类作者。公文、法条、说明书本来就句长整齐、连接词密集，本地分天然偏高。这一格只配当「先看一眼」，不配下结论。
模型判读不可复现到小数点。同一段文本两次调用，分数会有波动；把它当档位（低 / 中 / 高）看，别当读数看。
跨模型 + 跨文体会明显失灵。实测：技术散文 / 中英混排的另一家模型输出，在 Qwen 打分下拿到 −1.5，属于漏检。本机刻度只对中文公文、报告体可信。
短文本无效。不足 60 字符本页不出本地分；本机 app 不足 150 字符直接拒绝出分。
不要拿它预测知网 / 维普的 AIGC 率。要预测某个平台的结果，只能用那个平台。

7 · 在线版与本机版的分工

这两个不是同一件东西的两种打包，是两种隐私成本：

	本页（在线）	本机 app
正文去哪了	本地初筛留在浏览器；模型判读会把正文发给模型厂商（走本站通道时先经过本站中转）	一个字都不出本机，权重下载到本地，推理在本地 CPU / GPU 跑
装不装	打开网页就能用	要装 app + 下模型权重（约 4.7 GB 内存峰值）
额度	每 IP 每天 8 次；自带 key 则不限	不限，自己的电脑自己烧
能吃什么	粘进来的纯文本	整份 `.docx` / `.md` / `.txt`，出块级热力条与句级修改优先级，可导出 HTML 报告
适合谁	随手试一段、判断值不值得装本机版	要检自己没发表的论文 / 报告 —— 这种稿子不该出现在任何在线框里，包括本页

本页两段「合成样例」文本以及第 5 节手算例子里的全部数字，都是为演示现编的合成数据，不对应任何真实稿件、真实检测结果或任何客户材料。本地初筛与判定刻度是本机引擎规则的离线复刻，在你的浏览器里算完，不外发。模型判读会把你粘进来的文本发出去：走本站通道时经本站中转到模型厂商，填了自己的 key 时由浏览器直连厂商、不经过本站。真实系统是一个装在本机的 macOS app（SwiftUI 壳 + Python 引擎），本页不提供下载。