Crossplag 合法吗？是的，它是一项真实的商业服务，能返回相似度和 AI 检测读数。但这只是问题中容易的一半。真正重要的是，它的报告是否能告诉你任何可以据以行动的信息，以及阅读该报告的人是否理解这个数字实际衡量的是什么。
对于检测器来说，“合法”到底意味着什么？
“合法”可以拆分为四个独立的说法，而供应商们总是不断模糊它们之间的界限。
| 说法 | 含义 | 如何测试 |
|---|---|---|
| 公司存在且计费正确 | 你付了钱就能得到相应服务 | 查看退款条款以及积分是否会过期 |
| 分数可复现 | 同一段文本两次得到相似读数 | 将同一段落间隔一小时粘贴两次 |
| 分数有意义 | 它反映了文本的某种真实属性 | 阅读供应商自己对这一数字的定义 |
| 判定正确 | 文本确实由机器撰写或确实不是 | 仅凭分数无法测试 |
Crossplag 通过了前两项。大多数商业检测器都是如此。第三项则是定义出现严重分歧的地方，而第四项对任何检测器来说都不可能做到，包括我们的。
相似度百分比和 AI 概率不是同一类数字。Crossplag 的抄袭检测部分报告的是与比对语料库的重叠情况。它的 AI 检测部分报告的是模型的估计值。如果一份报告只显示一个数字，却没有标明它是由哪种工具产生的，那么这个数字不能作为任何事情的证据。
我们自己的测量说明了这一点。在 2026-10-04，我们用 DeAIze 检测器以 30% 标记阈值对我们自己指南中的 1504 个段落进行了评分。平均 AI 分数为 27%，中位数为 20%，1504 个段落中有 487 个达到或超过阈值。这是我们的工具，在我们的语料库上，且人类作者身份未经独立验证。这是段落计数，不是假阳性率。任何供应商在未定义样本的情况下引用一个干净的数字，所传达的信息都比表面上看起来要少。
问题表：该向任何检测器问什么
本页不评测 Crossplag 的功能列表。它提供的是那些能区分可用报告与装饰性报告的问题。把这些问题拿去问 Crossplag、问 GPTZero、问 Turnitin、问我们。
| 问题 | 为什么它决定有用性 |
|---|---|
| 分数是概率、合格文本的占比，还是相似度百分比？ | 这些是不同的工具；把它们混为一谈会使比较失效 |
| 它会高亮句子，还是返回一个文档级数字？ | 单个数字无法告诉你该编辑哪一行 |
| 供应商用什么阈值来判定“AI”？ | 低截止值和高截止值会对同一份草稿产生不同的判定 |
| 是否说明了最小文本长度？ | 短样本会产生不稳定的读数 |
| 报告会建议修改，还是只做标记？ | 只做标记的报告把修改留给你 |
| 我的文本会被保留或用于训练吗？ | 这决定你是否能粘贴未发表的作品 |
| 供应商是否声称它能证明作者身份？ | 如果是，就要怀疑它的其他所有说法 |
如果一个工具能清楚地回答其中四个问题，它就可以成为你工作流程的一部分。如果一个都回答不了，品牌名称就无关紧要。
如果你想要一份回答句子级问题而不只是品牌问题的报告，DeAIze 会按 AI 概率高亮每一行，并配以改写流程。你可以先在你亲自写的段落上开始使用检测器，或者在决定前比较各方案。
为什么 Crossplag 的分数感觉像一纸判决？
“Crossplag 是否靠谱”背后的恐惧，很少是关于这家公司的。它关乎的是，如果讲师、编辑或客户把你的草稿放进它里面跑一遍，结果数字很高，会发生什么。
有三件事让这种恐惧变得合理，而它们都不是 Crossplag 特有的过错。
第一，检测器是统计工具。它们估计文本的某种属性。它们并不观察写作过程。一段你自己写的文字被读出高分是可能的，而且这在各厂商中都有记录。
第二，检测器的输出在传播时会丢掉它的限定条件。一张百分比的截图送到学术诚信小组面前，却没有样本定义、没有阈值、没有误差范围。这个数字到达时，已经被剥离了让它可被解读的语境。
第三，同一份草稿在两个工具上可能得到不同的分数。不同的训练数据、不同的阈值、对输出的不同定义。不一致是正常的，并不能证明其中一个工具坏了。
如果你已经处于那种情况，实际可行的路径记录在我们的指南中：假阳性及下一步该怎么做。保留原始文件、你的草稿、你的笔记以及任何版本历史。过程证据胜过抗议。
Crossplag 报告能显示什么、不能显示什么
它能显示，一个机器模型在给定你的文本后，产生了一个特定的估计值。这是真实的信息。它能显示与比较语料库中文本的重叠，这是一个真正的抄袭信号。它能把一段文字标记为值得再看一眼。
它不能显示一个人没有写这段文本。它不能区分“这位作者使用模型起草”和“这位作者的风格恰好与模型输出相符”。它不能告诉你该修改哪一句，因为文档级别的数字没有位置。
最后这个限制就是耗费你时间的那一个。如果一份报告说你的章节读起来像机器写的，然后就到此为止，你就只能毫无方向地重新通读所有内容。
句子级检测改变了这项工作。你得到的不是对整个文档的裁决，而是一张地图：这些行带有信号，那些行没有。然后你可以判断，被标记的行是你可以修复的风格问题，还是你需要提出的真正作者身份问题。
一个实例：从平淡段落变为可修改的段落
这里是一个示例，而非测量。修改前的文本是那种读起来像机器生成的段落：句子长度一致，抽象名词堆砌，没有具体细节。
修改前：“在专业环境中，有效沟通至关重要。它促进协作并提升组织成果。清晰的信息传递有助于团队在目标上保持一致并取得成功。”
修改后：“上个季度我们损失了两天，因为没人写下交接工作的负责人是谁。现在每个项目简报都为每项任务指定一个人，并附上日期。会议变短了。”
第二个版本更好，不是因为它能躲过检测器，而是因为它言之有物。它包含一个数字、一个具体名词和一个后果。这些正是让一段文字读起来像人写的特性，而且这些特性你可以有意添加。
把两个版本都放进任何检测器，你可能会看到差异。不要把这个差异当作作者身份的证明。把它当作一个信号，说明第一个版本所做的工作更少。
Crossplag 在实际工作流程中的定位
Crossplag 只是众多输入之一。以下是如何将其纳入流程，而不让它独自决定任何事情。
- 保留原始版本。 永远不要覆盖你提交的版本。保存带日期的草稿。
- 尽早运行一次检测器。 提交前检测能告诉你哪些段落需要关注。提交后检测只能告诉你自己的感受。
- 阅读分数定义。 弄清楚这个数字是概率、占比还是相似度指标。把它写在分数旁边。
- 深入到句子层面。 如果工具只给你一个数字，就分段粘贴以定位信号来源。
- 为实质内容而修改，而不是为数字。 增加具体细节，变化句子长度，删去模棱两可的措辞。如果这段文字确实是你写的，就让它听起来像你。
- 核实每一处改动。 如果你使用改写工具，请对照原文检查名称、数量、引用、否定和限定词。语义相似度只是审阅辅助，并不能证明含义得以保留。
- 记录你的过程。 一文件夹的草稿和笔记比任何单一分数都能回答更多问题。
第五步是大多数人出错的地方。为了降低数字而改写是死路一条，因为这个数字在不同工具或阈值下并不稳定。为了表达你真正想说的而改写才是持久的。
如果你专门在编辑学术文本，我们关于在改写中保持引用完整的笔记更详细地介绍了核实环节。
包括我们在内的所有检测器都存在的诚实问题
没有任何检测器的输出能证明作者身份。Crossplag 的不能，GPTZero 的不能，Turnitin 的不能，DeAIze 的也不能。这不是谦虚；这是对文本进行统计估计的本质。
由此得出的是一条值得应用于你收到的任何报告的规则：问清楚是哪个工具产生了这个数字、应用了什么阈值、样本是什么。如果这三个答案缺失，这个数字就只是装饰。
这也意味着你不应该用检测器来解决关于某物是谁写的争议。用它来定位需要关注的段落。对于有争议的作品，保留原始文件和过程证据，并查阅适用于你的政策。无论任何分数怎么说，观点、数据和结论都必须出自作者本人。
我们自己的数字，连同其局限性一并公布，就是一个例证。在同一次 2026-10-04 运行中，未经编辑的模型输出在 12 个段落上的平均得分为 52%，中位数为 49%，而 1504 个段落的参考平均值为 27%。12 个段落是小样本，而且这些段落并非相互独立。它显示的是分离的方向，而不是一条清晰的边界。任何把它当作准确率数字来引用的人都是在误读它。
本周该做什么
如果你正在决定是否要为检测器付费，先在你自己的文本上做一次试用。粘贴一段你在任何 AI 辅助出现之前写的文字，以及一段你用模型起草的文字。看看这个工具如何区分它们。这个测试不花什么钱，却能比任何评测告诉你更多。
如果你已经被标记，不要再寻找能推翻判决的工具。收集你的草稿，找出读起来平淡的段落，重写它们以承载缺失的具体细节。无论如何，这项工作都是你的，而且它能在更换检测器后依然有效。
如果你要在工具之间做选择，就根据它们交还给你的东西来判断：一个数字、一张高亮地图，还是一份你可以逐行核对的建议修改。中间那个选项才是能缩短工作量的。
准备好看看哪些句子读起来像机器写的了吗？
文档级评分告诉你一份草稿可疑。它不会告诉你从哪里开始。DeAIze 在句子层面进行检测，因此每一行都会在整篇文档读数旁边得到 AI 概率，而 humanizer 会为你的草稿建议修改措辞，你在保留前可与原文对比。
从对你亲自写的一段文字使用 AI detector 开始。如果标记落在你知道是你写的句子上，那是关于你写作风格的有用信息，而不是判决。如果你正在将费用与仅标记订阅进行比较，重写试用会在邮件确认后提供 200 个单词，无需信用卡。
检测限制可配置，并显示在当前界面中。重写试用不是无限扫描。文本仅用于当前任务处理，绝不用于训练，也绝不转售。
还有一点，因为这是对你所输入问题的诚实回答。没有任何检测器，包括 Crossplag，因为未能证明作者身份而变得不合法。它们从来就无法做到这一点。评判它们的标准应是：它们的报告是否能帮助你找到需要修改的句子，以及它们是否告诉你其自身数字的局限性。这就是全部的检验标准。