Substack接入Pangram检测工具：AI内容识别功能全面解析与使用指南

Substack接入Pangram检测工具标志着内容平台在AI透明度领域迈出关键一步。该功能由AI检测公司Pangram提供技术支持，允许读者扫描Substack平台上的文章、笔记、回复和评论，评估其中由AI撰写的比例。Substack接入Pangram检测工具后，用户只需点击“…”菜单并选择“扫描AI文本”，即可通过弹出窗口查看人工撰写、AI生成及AI辅助的具体百分比。本文系统梳理Substack接入Pangram检测工具的完整背景、操作流程与影响分析。

一、Substack平台与Pangram检测工具概述

1.1 Substack平台简介

Substack是一个成立于2017年的订阅制内容发布平台，旨在让独立作家、记者和创作者通过付费订阅直接向读者发布内容。与传统的广告驱动型社交媒体不同，Substack强调内容的原创性和深度，为创作者提供了相对纯净的创作环境。平台允许创作者通过电子邮件向订阅者发送多种形式的内容，也可直接在门户网站上发布，供用户评论和分享。截至2026年，Substack已发展成为全球最具影响力的独立创作者内容平台之一。

1.2 Pangram检测工具简介

Pangram是由前特斯拉和谷歌工程师团队打造的AI内容检测工具。其核心技术采用分类器神经网络模型，训练数据集采集自生成式AI尚未大规模普及的2021年之前，以确保区分基准的客观性。Pangram的检测模型经过数百万份人类撰写文档的训练，涵盖学术论文、短文本和故事等多种类型。

Pangram支持20多种语言的AI检测，在西班牙语、法语、阿拉伯语等语言中准确率超过99%。Pangram 3.0版本是首个能够区分完全AI生成文本、完全人工撰写文本以及人机协作文本的检测工具。该工具已获得芝加哥大学和马里兰大学的准确性验证。

1.3 Substack接入Pangram检测工具的背景

Substack接入Pangram检测工具的决定，源于平台对AI生成内容日益泛滥的深刻担忧。据Pangram估算，部分社交媒体平台上约40%的文本为AI生成，其中LinkedIn上甚至有三分之二的内容由AI撰写。AI写作工具的大规模普及使得大量内容难以分辨创作来源。

Substack联合创始人兼CEO克里斯·贝斯特（Chris Best）将读者被AI生成内容欺骗的现象称为“Claudefishing”——即读者在不知情的情况下将注意力投入到完全没有人类思考的内容上。Substack接入Pangram检测工具正是为了解决“读者预期与实际内容的失配问题”。

二、Substack接入Pangram检测工具的功能详解

2.1 检测范围与适用条件

Substack接入Pangram检测工具后，检测功能覆盖平台上的全场景内容，包括文章（Posts）、笔记（Notes）、回复（Replies）和评论（Comments）。该工具适用于2026年7月21日太平洋时间上午8:30之后发布、且段落长度超过100个单词（约100字）的文本。

2.2 检测结果展示

用户在对内容点击“…”菜单并选择“扫描AI文本”后，系统会通过弹出窗口展示由Pangram计算的三项具体百分比：

• 人工撰写比例（Fully Human-Written）
• AI辅助比例（AI-Assisted）
• AI生成比例（AI-Generated）

检测结果仅显示给发起扫描的用户本人，不会公开披露。

2.3 平台覆盖情况

Substack接入Pangram检测工具目前已在网页端（Web）和iOS应用上线，Android版本也将在近期推出。这一发布节奏确保了绝大多数用户能够尽快使用该功能。

三、Substack接入Pangram检测工具的操作流程

3.1 读者端操作

Substack接入Pangram检测工具后，读者检测内容的操作十分简便：

第一步：登录Substack账户，浏览平台上的文章、笔记、回复或评论。

第二步：在目标内容的右上角找到“…”菜单按钮。

第三步：点击菜单中的“扫描AI文本”（Scan for AI text）选项。

第四步：系统弹出窗口，显示Pangram检测结果——人工撰写、AI辅助和AI生成的具体百分比。

这一操作流程在网页端和iOS应用中保持一致，用户体验简洁直观。

3.2 创作者端功能

Substack接入Pangram检测工具同样为创作者提供了丰富的自主操作空间：

草稿预检测：创作者可以在发布前使用Pangram扫描自己的草稿，提前了解内容中的AI占比。

创作过程说明：创作者可以添加“How I make this”声明，向读者解释自己的写作过程和AI使用情况。

结果申诉：如果创作者认为Pangram的检测结果有误，可以提交报告进行申诉。

功能控制：创作者可以随时完全禁用检测功能或移除标记。

四、Substack接入Pangram检测工具的技术原理

4.1 分类器神经网络模型

Substack接入Pangram检测工具所依赖的核心技术是分类器神经网络模型。与生成式AI不同，Pangram部署的是判别式模型，专门训练用于识别和区分人类撰写的文本与AI生成的文本。

该模型通过深度学习分析了数百万个AI“特征标记”（tells），能够精准识别AI生成文本中特有的模式和规律。

4.2 训练数据的客观性保障

Pangram的训练数据集完全采集自2021年之前——即生成式AI尚未大规模普及的年代。这一设计确保了模型的区分基准具有高度的客观性，避免了“用AI检测AI”可能导致的数据污染问题。

4.3 检测精度与误判率

根据公开数据，Pangram的误判率（将人类创作误判为AI生成）仅为0.01%。在针对学术论文的测试中，Pangram在检测完全AI生成文本、混合文本和人工化文本方面均表现出较高准确性。第三方测试显示，对于普通AI生成文本，Pangram的漏检率最高仅为0.7%，且在人类文本识别方面未出现误报。

五、Substack接入Pangram检测工具的战略意义

5.1 应对“Claudefishing”现象

Substack接入Pangram检测工具最直接的动因是对抗“Claudefishing”。这一术语指的是创作者将AI生成内容伪装为人类创作，导致读者在不知情的情况下阅读完全没有人类思考的文本。

克里斯·贝斯特在宣布Substack接入Pangram检测工具的博文中明确表示：“核心问题不是人们使用AI，也不是AI输出的质量。问题是读者的预期与现实之间存在错配——尤其是当他们不知不觉地将注意力投入到另一端完全没有人类思考的东西上。”

5.2 维护平台信任生态

Substack接入Pangram检测工具是平台维护信任生态的重要举措。贝斯特指出：“当读者不得不怀疑他们读到的东西是否真实时，这会损害对作者身份的信任，并威胁到作家的生计——包括那些深思熟虑地使用AI工具来创作他们相信的作品的作家。”

Substack将自己定位为“建立在人与人之间信任基础上的文化经济引擎”。Substack接入Pangram检测工具正是为了确保这一信任基础不被AI生成内容的泛滥所侵蚀。

5.3 行业示范效应

Substack接入Pangram检测工具标志着内容平台在AI透明度领域迈出了关键一步。在YouTube自动标注AI视频、TikTok标注AI生成内容、音乐流媒体服务开始标注AI音乐的背景下，Substack的选择可能引发更多内容平台跟进类似措施。

六、Substack接入Pangram检测工具的影响分析

6.1 对读者的影响

Substack接入Pangram检测工具赋予读者前所未有的知情权。读者可以自主判断所读内容的创作来源，做出更明智的阅读选择。正如Substack在公告中所强调的：“人们应该知道他们读到的是什么。”

然而，读者也需注意Pangram检测的局限性。Substack本身承认，Pangram只能检测文本是否使用了AI，无法判断“是否有真正的人类用心投入其中”，也无法判断“AI工具是否被用作资料来源”。

6.2 对创作者的影响

Substack接入Pangram检测工具对创作者群体产生了深远影响。一方面，坚持原创的创作者获得了差异化优势——他们的作品可以通过检测结果得到“完全人工撰写”的背书。另一方面，依赖AI辅助创作的创作者需要更加透明地披露其创作过程。

Substack明确表示，该工具的目的不是禁止或惩罚AI辅助写作，而是鼓励创作者添加“How I make this”声明来解释他们的创作过程。

6.3 对平台生态的影响

从短期来看，Substack接入Pangram检测工具可能会暴露平台上大量非完全人工撰写的新闻通讯。但从长期来看，AI检测功能有助于保持Substack远离“AI废料”（AI slop），鼓励更多用户信任他们所阅读的内容是由真人撰写的，或至少更好地理解何时并非如此。

七、Substack接入Pangram检测工具的局限与挑战

7.1 检测准确性的争议

AI检测并非一门精确的科学。《大西洋月刊》曾深入调查Pangram等AI检测工具的准确性，结论是“远非完美”。任何检测工具都可能存在误判——既可能将人类创作的文本误判为AI生成，也可能漏检经过精心伪装的AI文本。

7.2 “猫鼠游戏”困境

批评者指出，任何AI检测工具都面临“猫鼠游戏”的困境。开发者佩里·梅茨格（Perry Metzger）认为，检测工具的存在反而会让人们微调AI以规避检测。研究者莫尔·纳曼（Mor Naaman）将检测称为“一场打不赢的战争”：如果读者开始扫描，作者也会扫描并绕过检测。

7.3 无法衡量“用心程度”

Substack接入Pangram检测工具最根本的局限在于：AI的存在并不能证明人类的缺席。一篇完全由AI生成的文本可能毫无价值，但一篇有人类深度参与和精心编辑的AI辅助文本可能极具价值。Pangram只能检测“是否使用了AI”，无法衡量“人类投入了多少用心”。

八、主流AI检测工具横向对比

数据来源：综合自Pangram官方及第三方测试报告

九、Substack接入Pangram检测工具的未来展望

9.1 功能扩展方向

Substack在宣布Substack接入Pangram检测工具的博文中暗示，正在考虑围绕AI内容的更多功能，包括回复内容的AI偏好设置和推荐内容的偏好设置。这意味着Substack可能在未来为读者提供更精细化的内容过滤选项。

9.2 行业趋势判断

Substack接入Pangram检测工具的举措反映了内容行业的一个明确趋势：AI透明化正在成为主流平台的标配。随着AI生成内容的质量不断提升、数量持续膨胀，读者对内容来源的知情需求只会越来越强烈。率先在透明度方面建立信任的平台，可能在长期竞争中占据优势。

9.3 对创作者的启示

Substack接入Pangram检测工具提醒所有内容创作者：透明是最好的策略。与其试图隐藏AI的使用，不如主动披露创作过程，让读者在充分知情的基础上做出判断。这种方式不仅符合平台规则，也有助于建立更稳固的读者信任关系。

常见问题解答（FAQ）

问：Substack接入Pangram检测工具后，所有内容都会被自动检测吗？

答：不会。Substack接入Pangram检测工具后，检测功能需要用户手动触发——在目标内容的“…”菜单中选择“扫描AI文本”才会执行检测。系统不会自动对所有内容进行检测或公开标注。

问：Substack接入Pangram检测工具支持检测哪些类型的内容？

答：Substack接入Pangram检测工具后，检测范围覆盖文章（Posts）、笔记（Notes）、回复（Replies）和评论（Comments）等全场景内容。

问：Substack接入Pangram检测工具对文本长度有要求吗？

答：有。Substack接入Pangram检测工具仅适用于段落长度超过100个单词（约100字）的文本。

问：Substack接入Pangram检测工具后，检测结果会公开吗？

答：不会。Substack接入Pangram检测工具后，检测结果仅显示给发起扫描的用户本人，不会公开披露。

问：创作者可以拒绝Substack接入Pangram检测工具的扫描吗？

答：可以。Substack接入Pangram检测工具后，创作者拥有高度的自主权，可以随时完全禁用检测功能或移除标记。

问：Pangram的检测准确率有多高？

答：Pangram的误判率（将人类创作误判为AI生成）为0.01%。对于普通AI生成文本，漏检率最高仅为0.7%。但需注意，AI检测并非100%精确，仍存在误判可能。

问：Substack接入Pangram检测工具会惩罚使用AI的创作者吗？

答：不会。Substack明确表示，Substack接入Pangram检测工具的目的不是禁止或惩罚AI辅助写作，而是鼓励透明度和创作者主动披露创作过程。

问：Pangram能检测哪些AI模型生成的内容？

答：Pangram能够检测包括ChatGPT、Claude、Gemini、Llama等在内的所有主流语言模型生成的内容。

问：Substack接入Pangram检测工具支持中文检测吗？

答：支持。Pangram支持20多种语言的AI检测，其中包括中文。

问：Substack接入Pangram检测工具后，Android用户何时可以使用？

答：Substack接入Pangram检测工具目前已在网页端和iOS应用上线，Android版本将在近期推出。