如果你正在权衡 DeAIze 与 Pangram，实际区别不在于谁“更准确”。Pangram 返回的是文档级别的 AI 概率。DeAIze 返回的是文档评分加上逐句拆解，因此你可以看到哪些行携带信号、哪些不携带。这会改变你接下来该做什么。
Pangram Labs 是一家检测供应商。它的产品是一个分类器：你粘贴文本，它返回该文本由 AI 生成的概率。这是一种合理的设计。出版商用它来初步筛选投稿。编辑用它来整理投稿堆。输出是一个数字，而一个数字回答一个问题：整篇文档由机器生成的可能性有多大？
DeAIze 是一个分为两部分的网页应用。一部分负责检测。另一部分为你自己的草稿建议修改后的措辞。两部分都在句子层面工作。检测器给出整篇文档的评分，并按 AI 概率高亮每个句子。人性化工具为你选择编辑的行提出替代方案。两部分都不会告诉你任何内容是谁写的。检测无法证明作者身份，任何检测器的输出都不应被视为证据。
为什么 Pangram 与 DeAIze 的选择如此重要？
因为这两个工具回答的是不同的问题，而买家通常只有在为错误的那一个付了钱之后，才知道自己有的是哪个问题。
如果你的工作是在周五之前筛选两百份投稿，那么每份投稿一个文档级别的概率正是你想要的。你不会去编辑那些文档。你会对它们进行排序、分流，或者让人类进一步查看。整篇文档的阅读方式对此很高效。
如果你的任务是在提交前修改自己的草稿，那么整篇文档的概率本身几乎毫无用处。它告诉你文档看起来像是机器生成的，但不会告诉你哪个段落导致了这一点。结果你重写了本来没问题的部分，却留下了触发分类器的部分。
这就是句子级检测填补的空白。当每个句子都被 AI 概率高亮标注时，你就得到了一张地图。你可以看到标记是集中在你的方法部分、过渡句，还是你从模板粘贴的某个段落中。你还能看到，高文档分数有时来自少数几行，而不是整篇文章。
如果你想在决定之前了解逐句视图和改写建议如何配合使用，定价页面列出了每个方案包含的内容以及改写试用涵盖的范围。
我们自己的测量对分数分布显示了什么？
我们公布自己的数据，因为大多数检测器营销并不会这样做。2026-10-04，我们用 DeAIze 检测器（本地集成，lite 层级）在 30% 标记阈值下对两个语料库进行了评分。
参考样本是 1,504 个段落，取自未标记为生成的 DeAIze 指南。选择仅依据元数据；人类作者身份未经独立验证。AI 分数均值为 27%，中位数为 20%，范围为 1-100%。达到或超过 30% 阈值的分数：1,504 个中有 487 个。这些是段落计数，不是独立文档计数，也不是经过验证的人类假阳性率。来自同一指南的段落不是独立样本，且段落按 140 词的目标构建，符合条件的尾部段落更短。
未经编辑的模型输出是由固定提示生成的12段文本，且未经过编辑。平均AI得分为52%，中位数为49%，范围为11-91%。
诚实地看待这一点。这两个分布存在重叠。一些未经编辑的模型输出得分低于标记阈值。一些参考段落得分高于该阈值。来自任一工具的单一数字只是一个信号，而非定论。句子级视图所增加的是位置信息：信号位于文档中的何处。
两种输出如何并排比较？
| 维度 | Pangram风格文档概率 | DeAIze检测器 |
|---|---|---|
| 粒度 | 整篇文档 | 整篇文档加每个句子 |
| 你得到的结果 | 文本由AI生成的概率 | 文档得分和逐句AI概率高亮 |
| 最适合 | 分诊、排序、队列路由 | 提交前编辑自己的草稿 |
| 编辑支持 | 无内置功能 | Humanizer为你的草稿建议修改措辞 |
| 得分定义 | 文档的模型概率 | 句子级和文档级的模型解读；并非作者身份的概率 |
| 它无法告诉你 | 文本是谁写的 | 文本是谁写的 |
| 验证负担 | 由你承担 | 由你承担；将建议与你的原文进行对比 |
两列都有相同的局限。没有任何检测器输出能证明作者身份。模型得分、合格文本占比和相似度百分比是三种不同的工具，衡量的是三种不同的东西。它们不可互换，且单独任何一个都不构成证据。
句子级视图能让你做到哪些文档得分做不到的事？
它让你可以带着目标进行编辑。四件事变得可能。
- 找出集中点。 如果一份长报告中有四个句子被高亮，其余都是干净的，那么你有一个小而具体的编辑。如果每个句子都被高亮，问题就是结构性的：句子长度一致、过渡泛泛、没有命名实体。
- 把你的写作与粘贴的文本分开。 大多数被标记的草稿都包含作者写的内容和作者粘贴的内容。句子级分数通常能显示这种区分。
- 检查重写是否真的有帮助。 改六个句子，重新运行，然后比较哪些句子发生了变化。文档级数字可能因为你无法看到的原因而变化。
- 保留有效的部分。 如果某个句子得分低而你喜欢它，就别动它。文档级分数会诱使人们重写一切。
这些都不会让分数变得正确。它让分数变得可操作。
人性化工具实际上做什么，又不做什么？
人性化工具会为你自己的草稿建议修改后的措辞。这就是它的全部主张，值得对此精确说明。
它不会替你写论点。它不提供数据、引用或结论。如果你的草稿里有一个捏造的参考文献，人性化工具会很乐意围绕那个捏造的参考文献改写句子。你仍然必须对照来源检查每一个引用、数量、否定和限定词。原文与建议之间的语义相似度是一种审阅辅助，而不是每个含义都得以保留的证明。
一个示例说明。假设你的草稿包含这句话：
在整个研究期间，该干预与再入院率的统计学显著降低无关。
一个改写成“该干预在整个研究期间降低了再入院率”的版本已经改变了你的发现。它读起来更自然，但现在却是错误的。否定就是发现。任何编辑过程，无论是人工还是自动，都必须首先保护否定和模糊限定。这就是为什么我们告诉人们要逐行将建议与原文进行比较，而不是一次性接受整个文档。
为什么同一份草稿在不同工具中会得到不同的解读？
因为这些工具的构建方式不同，校准方式也不同。一个可能使用聚合表示在文档级别进行评分。另一个可能逐句评分然后合并。一个可能被调校用于捕捉轻度编辑的模型输出；另一个可能被调校用于避免标记人类学术写作。阈值也不同。一个在某个截断值上标记的工具会与另一个在不同截断值上标记的工具产生分歧，即使在相同文本上也是如此。
我们在AI检测如何工作中更深入地介绍了其机制，并在AI检测器比较中比较了每个工具实际报告的内容。简而言之：工具之间的分歧是正常且意料之中的，并不能证明其中某个工具坏了。
这也是为什么我们不会承诺在另一个检测器上获得特定分数。我们无法控制其他供应商的模型、阈值或输入处理方式。我们能做的是告诉你我们自己的解读集中在哪些地方，然后让你决定要编辑什么。
如果检测器标记了你的作品，你该怎么办？
顺序比工具更重要。
- 保留原始文件。 保存文件、时间戳和你提交的版本。不要用编辑后的版本覆盖它。
- 阅读被标记的句子，而不是标题数字。 对每一句问：这句话是泛泛而谈，还是针对我的作品？
- 记录你的过程。 草稿、笔记、源文件、修订历史。如果你是一名面临评审小组的学生，评审小组评估什么比任何分数都更有指导意义。
- 查看你所在机构或客户的政策。 许多机构允许在披露的情况下使用 AI 辅助，并禁止未披露的生成内容。规则各不相同，在你做任何决定之前，值得先读一读你的大学实际允许什么。
- 为了清晰和准确而编辑，而不是为了一个数字。 如果你为了降低分数而重写，却让含义变得空洞，那你并没有改进作品。
如果你是非英语母语写作者，在你认定这个标记意味着你的作者身份有问题之前，请先阅读为什么检测器会标记非母语写作者。千篇一律、教科书般干净的文风是一个已知的触发因素，这与是谁写的无关。
DeAIze 适合用在哪里，又不适合用在哪里？
DeAIze 是为那些已有草稿、需要知道哪些行需要修改的人打造的。这就是整个设计理念。检测精确到句子级别。改写是一个建议层，你可以将其与原文进行对比。上传支持 .txt、.docx 和 .pdf 格式，改写 Word 文档时会保留字体、样式和表格。检测和改写覆盖英语及其他 9 种语言，以英语为优先，界面提供 10 种语言版本。文本仅用于当前任务处理，绝不用于训练，也绝不转售。
改写试用在邮箱确认后提供 200 个单词的额度，无需信用卡。检测有单独的可配置限制，显示在当前界面中。这不是无限扫描，也不是一千个免费单词。
定价采用按需付费模式，积分永不过期，无需订阅：入门版 $20.99 可获得 1,000 个单词，标准版 $44.99 可获得 3,000 个单词，专业版 $99.99 可获得 10,000 个单词，至尊版 $199.99 可获得 30,000 个单词。
DeAIze 不是什么：它不是 Turnitin 读数，不是 Turnitin 分数估算器，也不保证在任何其他检测器上获得任何分数。它不是用来把别人的作品冒充成自己的工具。如果想法、数据和结论不是你的，再怎么编辑也解决不了这个问题。
准备好看看哪些句子读起来像机器写的了吗？
如果你面对的问题是一个无法据以行动的文档级数字，那么句子级视图就是值得一试的东西。把你的草稿放进 AI 检测器，在改动任何一个字之前，先看看哪些行被标出来了。如果你想在真实草稿上查看改写建议，草稿编辑器 就是两者交汇的地方。如果你正在为团队或积压的文档比较方案，查看定价，并对照你实际排队的数量核对单词数。
如果你想先试用改写功能，请从注册开始。阅读评分，阅读限制，然后据此决定。诚实的立场是，检测只是一个信号。有用的立场是，句子级别的信号能告诉你该往哪里看。