GPTinf AI Humanizer 评测

GPTinf 是一款基于积分的低价 AI humanizer，重复运行定义了它的使用方式, 如果第一次处理没有把 detector 分数降到足够低，你就要花费积分把同一段文本再送进去一次。付费档位分别为每月 $4.99、$12.49 和 $29.99，另有一次性的 240 词免费额度，让你在付费前先看到输出结果。

它适合预算有限、偶尔使用的人, 比如重写一小段文字的人，整理一般文案的写作者，或者任何想先测试 humanizer 是否能改变分数、再决定是否投入更大方案的人。本评测以学术写作为标准，因为参考文献表和正文一样会被仔细检查。

大学实际上允许什么

相关规则比多数学生预期的更宽松，但对一件事更严格。Oxford 面向学生的指导将生成式 AI 视为一种学习辅助工具，前提是公开使用，并且符合评估要求。在几乎所有行为规范中，违规都指未申报使用。

期刊政策也落在同一位置。Elsevier 允许这些工具在论文附带声明的前提下改善可读性和语言，而 Nature 则拒绝把模型列为作者，因为作者必须对作品负责。这改变了你对 humanizer 的要求。一旦你被允许使用 AI，并且必须说明这一点，问题就变成文本是否仍然真实, 括号中的内容是否仍然指向你所读到的作者，图表数据是否仍然与表格一致。我们的 AI disclosure statement template 涵盖了各院系预期的表述方式。

为什么 AI 草稿需要 humanizing

有两个问题会把写作者推向这些工具，其中只有一个与 detector 有关。原始模型文本读起来很泛化，这种泛化是人们在解释之前就能察觉的, 句子长度一致，连接方式收缩到少数几种衔接，缓和语气层层堆叠，直到一个论断什么也没有真正承诺。我们的 AI words and phrases 列表展示了这种词汇范围有多窄。

第二个问题是机械性的。Turnitin、GPTZero、Originality.ai 和 Pangram 会根据一段文字相对于语言模型下一步最可能选择什么来评分，而生成文本会得到很高的可预测性分数。How AI detectors work 说明了这种测量方式。

这些分数比看上去更不稳定。Weber-Wulff 及其同事测试了 14 种 detection tools，并得出结论认为它们既不准确也不可靠，而且有把输出标记为人类写作的偏向。这种偏向有双重含义, 通过分数证明的内容比供应商暗示的更少，而你自己写作被标记的情况，比院系暗示的也更少。

AI humanizer 如何工作

• 改变句子结构。 句子长度的变化会被直接测量，因此这比其他任何因素都更能推动 detector 分数变化。把一串平均二十词的句子打散成长短混合，会同时改变一段文字的统计形态和措辞。
• 替换模型常见词汇。 单独看，它会改变文本质感，而不改变结构。它也是最可能损害技术文档的机制，因为追求多样性的改写器无法区分风格词和定义术语。
• 调整语域。 大多数通用工具都以对话式散文为目标，而这对方法章节来说是错误的目标。放松学术段落会降低 detector 分数，同时损害论文。

GPTinf 是什么，以及积分模型如何运作

GPTinf 由一个文本框、一个模式选择器和一个重写按钮组成，售价低廉。你粘贴文本，选择工具应如何处理它，然后得到一版标出修改痕迹的重写结果。计量方式使它区别于同价位的大多数工具, 使用量按积分计算，而不是按固定词数上限计算，而且这些积分还可以再次用于把同一段文字重新送入处理。

重复运行的设计出人意料地坦诚。 大多数 humanizer 会把单次处理呈现为最终结果。GPTinf 承认一次处理可能不够，并给你一个调节手段, 多花积分，再来一次。这里并没有假装第二次会有更好的引擎。还是同一个引擎，只是作用于它已经改写过的文本。

对于简短的一般文本，这种方式尚可接受，因为几百词的博客文案中没有什么必须逐字保持不变。对于章节文本，它的效果很差，因为偏移会累积。第二次处理会改写第一次处理的结果，因此你最终是在把最新输出与最近一版比较，而不是与原稿比较。

Academic 模式与高亮重写

有两个设计决定值得真正肯定，因为在这个价位带里，很少有工具会这样做。

一个命名为 Academic 的模式与 Standard 模式并列。 大多数 humanizer 只提供单一语域，或者提供一个强度滑块，只说明重写会走多远，却不说明它朝哪里走。给学术设置命名，至少让你有一个可选项，而不只是更强的力度。

每个被重写的短语都会被高亮。 这听起来像是装饰性功能，但它其实更有用。任何 humanizing 过程中的核心风险都是无声的改动, 姓氏被改动一个字母，缓和语气被删去，使一个暂定发现看起来像已定论，或者一个定义术语被替换成在你所在领域含义不同的近义词。高亮让这些变化可以检查。

高亮显示的是发生了什么变化, 它并不告诉你这些变化是否安全。对于长文档来说，高亮数量本身会成为问题，而每一处高亮都需要你自己检查。

功能集

• 基于积分的 humanizer。 核心重写器，按积分计量，而不是按固定词数计量。
• 重复运行。 同一文本可以再次送入处理，并从同一余额中扣除。
• Standard 和 Academic 模式。 以命名语域选择取代单一通用输出。
• 改动高亮。 每个被重写的短语都会被标出，便于查看工具做了什么。
• 免费额度。 一次性的 240 词免费使用，无需付费，足以判断输出质量。

缺失的内容同样重要。GPTinf 没有说明引用处理，没有除模式名称之外的语域目标，也没有术语锁来在重写开始前固定某个仪器名称。

GPTinf 适合谁

定价已经说明了它面向谁。低于五美元的入门档位是为偶尔使用 humanizer 的人设计的，这确实是一个真实且长期被忽视的群体。对这类用户来说，积分模型是一个优势, 你不必为永远用不到的容量付费，而令人失望的结果也有低成本的补救办法。

GPTinf 定价与方案

免费额度只有一次，因此要有计划地使用。

由于积分既用于重复运行，也用于首次处理，你的实际容量取决于你再次运行的频率。把 240 个免费词用在你的真实写作上，保留引用和原有词汇。一个干净的一般散文样本只能说明输出流畅，而这一点从来都不是问题。

引用、术语、统计与语域

引用

GPTinf 没有说明引用处理。对于一个没有引用规则的改写器来说，像 (Okonkwo and Reyes, 2021, p. 87) 这样的括号内容只是普通文本，和其他字符串一样可以被修改。姓氏可能只差一个字母，括号内容也可能并入句子，变成叙述性归属，同时丢失页码。每一次编辑都会产出合格的散文，却留下一个不再与参考文献表一致的引文。高亮有帮助，但每一轮检查的责任仍然在你。更多内容见 can Turnitin detect paraphrased text。

术语与统计

如果没有术语锁，追求变化的改写器会把经过验证的仪器名称当作可调整对象。随机分配会变成随机分布，这就成了关于方法的另一种说法。效应量、区间和公式都嵌在句子中，而改写器可以自由重组这些句子，错误数字读起来和正确数字一样流畅。把这一点乘以你运行的次数。

语域

Academic 模式试图瞄准正确目标，这已经比大多数低价工具提供的更多。但该模式没有说明阅读水平区间或年级范围，而论文式散文与正式提交稿之间的差距，正是评阅者会去读的地方。

我们的测试结果

多语言输出强于该类别平均水平，这是 GPTinf 最容易被忽视的一点，因为多语言质量通常正是低价工具崩溃的地方。

仪表板很干净。 模式选择是可见的，而不是被埋起来，高亮让输出可读，而不是把一整墙新文本丢给你自己去比对。

detector 变化和语法都相当不错。 重写器会推动分数变化，输出通常也很干净，这正是重复运行模型要实现的结果。

关键词大多数时候都能保住，不过如果没有术语锁，这只是倾向，而不是保证。

引用和学术语气是薄弱环节。 这两项决定了一篇带参考文献表的文档是否合格，而它们也准确描述了这款工具, 可用的散文，但对不能改变的部分没有保护。

GPTinf 的替代方案

• Undetectable AI. 面向大批量一般内容，提供每月词数池，并在输出被标记时退款。
• QuillBot Humanizer. 适合已经在为 QuillBot paraphrase 套件付费的人。
• StealthGPT. 面向 SEO 和大批量文案写作。
• Phrasly. 将 humanizer 与文档编辑器结合，面向一般写作者和学生。

这四者都属于一般内容设计，因此都不会改变学术问题的答案。对于论文或期刊稿件，引用、术语和语域都必须在重写后保留下来，应使用 TextPulse。我们的 humanizer 领域比较 将这些选项并列展示。

TextPulse 与 GPTinf 对比

GPTinf 的结论

GPTinf 获得的评价比其价格所暗示的更高。命名为 Academic 的模式已经比这一类别中的大多数工具提供得更多，而对每个被重写短语的高亮意味着你可以检查它的工作，而不是盲目信任它。多语言输出也比该类别平均水平更稳。以每月 $4.99 的价格来看，偶尔重写短篇一般文本的人得到的是一笔公平交易。

重复运行会在长文档上制造一个具体问题。每一轮都会把上一轮作为输入，因此偏移会累积, 第二次重写是在第一次重写的基础上进行的。对于 300 词的一般文案，这几乎没有成本。对于带参考文献表和结果表的章节，则既没有引用规则，也没有术语锁来限制损害。

对于学术文档，请使用 TextPulse。引用和参考文献条目会在 APA、MLA、IEEE、Chicago、Harvard 和 Vancouver 中逐字保留。Freeze Terms 会在重写开始前锁定任何构造、仪器名称或技术短语，因此由你决定哪些内容不能改变。统计和公式会自动保留，输出会维持在 Flesch-Kincaid 13 到 18 年级区间，文档按整篇处理，因此术语不会在片段之间漂移。Pro 每月 $19，提供 25,000 词，Plus 每月 $29，提供 50,000 词，或按年计费的 $169 和 $259。供应商基于 2,000 篇学术语料库的基准测试报告显示，Turnitin AI 为 92.33%，Originality.ai 为 89.12%，GPTZero 为 87.91%。TextPulse 会在每次处理时报告一个估计的 Human Score，但不会对你的章节在 detector 中会得到什么结论作出任何承诺。