从2023年至今的生成式图像模型已经弥合了大部分明显的破绽。“数数手指就行”这句老话仍然常常管用，但单靠它已经不够。美国国家标准与技术研究院（NIST）2024年一项关于生成式媒体的研究指出，即便是领先的商业工具，其检测准确率在面对新训练的模型时也会急剧下降。对“这张图是AI的吗？”这个问题，诚实的答案很少是一个单一数字——而是对多重信号的权衡。
下面的方法结合了三个层面：人工视觉检查、自动化检测工具，以及通过反向图片搜索追溯来源。在你信任一张照片之前——尤其是一张会激起情绪反应的照片——请把这三层都用上。
第一层——先检查的视觉迹象
在桌面端放大到100%。AI破绽在缩略图尺寸下会消失，在全分辨率下才会暴露出来。
手部和手指
六根手指、拇指粘连、手握着没有接触点的物体。这仍然是扩散模型输出中最常见的单一破绽。
眼睛和瞳孔
瞳孔不对称、眼神光指向不同方向、仔细看时虹膜漂移到眼睛轮廓之外。
塑料感或蜡质感的皮肤
脸颊、额头和脖子上的皮肤均匀地光滑一片——真实皮肤有毛孔、瑕疵，在不同光照角度下有变化。
不对称的首饰和配饰
只有一只耳环、两只耳环不成对、眼镜穿透面部弯折、项链淡入衣服里。
背景文字和招牌
背景中的文字是最可靠的单一破绽。AI模型生成的文字看起来像文字，但细看之下拼不出任何真实字词。
重复的图案和人群
同一张脸在人群中反复出现、地板图案中出现完全相同的瓷砖、栅栏柱彼此融合在一起。
第二层——免费AI图片检测器对比
没有哪个检测器是万能钥匙。用其中两个各跑一遍图片，并对答案加以权衡；结论是否一致，比任何单一分数都更重要。
| 工具 | 类型 | 优势 |
|---|---|---|
| Sightengine sightengine.com | 商业 API + 免费网页演示 | 在逼真人像上表现强劲；基于多个生成器系列训练。 |
| WasItAI wasitai.com | 免费网页工具 | 快速、简单的是/否概率。最适合作为初筛的理智检查。 |
| DeepfakeDetection.io deepfakedetection.io | 免费网页工具 | 专注于面部篡改检测（换脸、GAN人像）。 |
| Hive AI Detector hivemoderation.com/ai-generated-content-detection | 免费浏览器扩展 + API | 被许多平台用于内容审核流程。 |
| Google Lens（反向搜索） lens.google.com | 免费 | 不直接检测AI，但能找到一张图片已知最早的版本。 |
第三层——反向图片搜索
追溯来源往往胜过检测。如果一张“刚刚拍到”的新闻照片，早已以2021年的面貌出现在某个图库网站上，那么它是AI还是真实就无关紧要了——无论如何它都是回收旧图。把每一张可疑图片都用Google Lens、TinEye和Yandex Images跑一遍。Yandex在人脸方面尤其出色得异乎寻常。Bellingcat的开源调查手册把反向搜索列为任何基于图片的主张的第一步。
关于误报的说明
经过大量修图的真实照片（磨皮滤镜、JPEG压缩痕迹、美颜模式人像）有时会触发AI检测器。请把单个“疑似AI”的分数当作进一步核查的信号，而非定论。一张有可查证的摄影师、且反向搜索记录干净的真实照片，无论检测器分数偏向哪一边，都比那个分数更可信。