GPTZero 和 ZeroGPT 都会给你一个数字，当这两个数字不一致时，你就只能猜测你的老师、编辑或客户会相信哪一个。两者都不是最终裁决。它们都是基于相同宽泛信号构建的概率估计，而实际的问题不是哪个工具是对的——而是你草稿中哪些句子在造成损害，以及你今天要如何处理它们。
GPTZero 和 ZeroGPT 实际上报告了什么？
GPTZero 的主要输出是文档级别的 AI 概率，并在大多数方案中提供逐句分解。它依赖两个具名信号——困惑度和突发性，并突出显示它认为最可能由机器生成的句子。ZeroGPT 会为粘贴的文本给出一个百分比，并在其更长形式的视图中，提供它所称的人类部分和 AI 部分之间的句子级划分。两者在小体量下都可以免费试用，这正是写作者最终会比较它们的原因。
重叠之处比差异更重要。两者估计的是同一件事：你的用词选择有多可预测，以及你的句子长度分布有多均匀。带有常见过渡词、长度中等且整齐一致的句子读起来是可预测的。带有具体名词、节奏参差不齐的句子读起来则不那么可预测。这就是整个引擎，也正是为什么同一段文字在一个工具上可能得到高分，而在另一个工具上却只是临界读数。
为什么 GPTZero 和 ZeroGPT 会对同一文本产生分歧？
因为它们并不是以相同的分辨率测量同一件事。以下差异会稳定地影响其中一个分数，却不会影响另一个：
- 句子切分。 一个工具可能将 30 个单词的句子视为一个单元；另一个工具可能在分号处将其断开。短片段给模型提供的信息更少，而短文本评分本质上噪声更大。
- 最小长度。 粘贴 80 个单词，两个工具都在猜测。粘贴 800 个单词，它们趋同的频率超出人们的预期。
- 训练数据和阈值。 每个供应商选择自己的判定为 AI 的截止值。一个分数可能刚好低于一个工具的线，却刚好高于另一个工具的线。
- 什么算作“混合”。 有些工具将文档拆分为 AI 和人类部分；其他工具给出一个混合数字。混合数字掩盖了三个句子承载整个标记的事实。
- 更新频率。 两个产品都会重新训练和调整。你上学期截图的结果并不是你写作的固定属性。
所以当有人问这两个哪个准确时，诚实的答案是两者都没有发布你可以据此规划的准确率数字，它们之间的分歧是正常的，而不是缺陷的证据。我们将检测器输出视为概率估计，而不是作者身份的证明，任何阅读你报告的人也应该如此。
如果你在比较工具以决定购买什么，而不是修复什么，免费层是廉价的实验：注册时 200 个单词，无需信用卡，你可以在 /pricing/ 花费任何费用之前看到句子级高亮。
你应该依据哪个分数采取行动？
依据句子级视图采取行动，无论哪个工具提供给你。文档分数告诉你是否应该担心；句子列表告诉你哪里有问题。如果 GPTZero 高亮你的第三段，而 ZeroGPT 将标记均匀分布在整个文章中，那么段落是真正的信号，均匀分布可能是长度造成的假象。
一个可行的规则：如果两个工具都标记同一个句子，就修复它。如果只有一个标记，就大声朗读这个句子。如果听起来像新闻稿，无论如何都要修复它。如果听起来像你，就保留它并记录分歧。
| 情况 | GPTZero 表示 | ZeroGPT 表示 | 该怎么办 |
|---|---|---|---|
| 两者都标记同一段落 | 已标记 | 已标记 | 先重写这些句子——最高置信度信号 |
| 一个标记，一个通过 | 已标记 | 人类 | 大声朗读；仅在节奏平淡时修改 |
| 整篇文档均匀标记 | 高 | 高 | 查找长度伪影；检查文本是否少于约200词 |
| 仅结论被标记 | 已标记 | 人类 | 常见模式——结论会总结，而总结是可预测的 |
| 短摘录被标记 | 高 | 高 | 在修改任何内容前，用完整文档重新测试 |
我们自己的测量对标记文本怎么说？
我们在2026-09-19对两个语料库运行了检测器，标记阈值为30%，使用lite层级的本地集成。一个由46篇手写DeAIze指南组成的人类撰写样本的平均AI得分为27%，中位数25%，范围0-55%，其中46篇中有17篇在该阈值下被标记。未经编辑的模型输出——由固定提示生成并保持原样的12段文本——平均得分为35%，中位数34%，范围25-49%。
再读一遍，因为这是本页最有用的内容。人类写作和未经编辑的模型输出高度重叠。未经编辑的输出并没有显著更高。“确定是人类”和“确定是机器”之间的差距比这些工具的宣传所暗示的要窄得多，而且在严格阈值下，大量真正的人类文档会被标记。
我们还统计了AI特征频率——套话过渡、模糊限制语、常见的表面习惯——发现人类样本中每100词有3个，而未经编辑的模型输出中每100词有1个。换句话说，人类写作者比模型更多地使用人们与AI关联的短语。在因一个被标记的句子而惊慌之前，这一点值得深思。
为什么我自己的写作读起来像机器写的？
通常是以下四种情况之一，都与作者身份无关：
- 你为了润色而编辑。 每一次将句子平滑到与相邻句子长度相同的修改都会提高可预测性。正式的学术和商务写作默认会这样做。
- 你在用第二语言写作。 非母语写作者常常倾向于使用安全、高频的句式——正是检测器与生成文本关联的那些。如果这是你的情况，标记是一种风格产物，并且有记录在案的模式。
- 你在流程的某处使用了AI。 列提纲、扩展要点，或重写整个从句的语法工具。结果是混合草稿，而混合草稿是最难评分的。
- 文本很短。 一篇150词的摘要或LinkedIn标题给任何检测器提供的工作材料都很少。短文本的分数波动很大。
这些都不意味着你作弊了。它们都意味着草稿存在一个节奏问题，你可以在句子层面修复。
如何在不掏空草稿的情况下修复被标记的草稿？
有效的方法很无聊：定位、窄幅重写、验证含义、重新评分。
- 对整个文档评分。 记下文档分数，但暂时不要据此行动。
- 列出被标记的句子。 按顺序写出它们，剥离周围语境。
- 对每一句，问它在做什么。 被标记的过渡句修复成本低。被标记的承载你实际论点的句子则不然——那一句需要不同的动词、具体的例子或数字，而不是改述。
- 只重写那些句子。 其余部分保持不动。全面重写是含义漂移的原因。
- 检查论点是否保留。 将新句子与旧句子比较，确认相同的事实、相同的范围、相同的论点强度。
- 重新评分。 如果文档分数变化且含义保持，保留修改。如果没有，则还原。
这里有一个示例，并非真实的客户草稿。修改前：“重要的是考虑各种因素，这些因素有助于提高所提方法的整体有效性。”这句话几乎什么都没说，而且完全可以预测。修改后：“三件事决定这种方法是否有效：样本量、标签的质量以及运行时间。”在段落中位置相同，功能相同，但现在它承诺了具体内容——而具体内容是任何检测器最难判定为机器生成的东西，因为它们是文档中最不可预测的内容。
最后一点是人们容易忽略的。降低 AI 分数最快的方法不是替换同义词，而是在句子中加入只有你才能写出的东西——一个数字、一个名字、一个日期、一个你做出的决定。检测器是在估计可预测性，所以解决办法是以信息量更大的方式降低可预测性。
如果检测器标记了你完全自己写的文字怎么办？
那么你就遇到了误报，而误报很常见——我们自己的测量在 30% 阈值下标记了 46 份人类撰写文档中的 17 份。误报在三种情况下影响最大：正式学术写作、第二语言写作，以及任何短文本。如果是人在指责你，而不是工具，有用的做法是展示你的过程——草稿文件、时间戳、笔记、显示文本如何形成的版本历史。在需要它们之前就保留好这些。
直白地说明检测器输出是什么也有帮助。它是由一个未公开阈值的私有模型产生的概率估计。它不是事实认定，GPTZero 和 ZeroGPT 之间的不一致是两个估计值的正常属性，并不能证明其中一个抓住了你。
具体来说，你接下来应该做什么？
如果你的文本读起来像机器写的，而你面前有两个相互矛盾的分数，那就别再比较工具了，开始修改句子吧。选择能提供句子级高亮的工具，从上到下处理被标记的列表，每改一遍就重新评分，而不是等到最后才评。如果你想了解这一切为什么会发生，/blog/how-ai-detection-works/ 会带你了解各种信号，而 /blog/are-ai-detectors-accurate/ 则解释了为什么两个工具看同一段文字却会给出不同结论。
当你希望自动化这个循环时，草稿编辑器可以一次完成：对文本评分，只重写被标记的句子，只有当语义相似度表明意思得以保留时才保留重写，然后重新评分并报告前后对比。它运行在 /draft-editor/，而检测器部分——包括句子级高亮——位于 /ai-detector/。网站报告称，人性化处理后 AI 分数平均降低 60% 以上，最佳情况为 71%，而在网站使用的示例段落上，92% 的 AI 分数变成了 4%。这些是产品自身预测的分数，不是第三方结论，也没有任何工具能保证你在别人的检测器上得到某个特定数字。
有一个限制值得直说：想法、数据和结论必须是你自己的。人性化草稿只是清理它的阅读方式。它不会把别人的作品变成你的，如果底层主张从来就不属于你，它也帮不了你。
准备好看看哪些句子读起来像机器写的了吗？
把你的草稿粘贴到检测器中，看句子高亮，而不是标题数字。工作就在那里。修改带有信号的句子，保留那些听起来像你自己的句子，然后重新评分以确认意思得以保留。免费开始，200 个单词，无需信用卡，请访问 /register，如果你要处理更长的文档，可以查看 /pricing/ 的积分定价。上传支持 .txt、.docx 和 .pdf，重写 Word 文件会保留字体、样式和表格。检测和重写覆盖英语和其他九种语言，界面提供十种语言，你的文本仅用于当前任务处理——绝不用于训练，绝不转售。