逐词颜色标注
对输入文本的每个位置，用颜色标出该词在 GPT-2 预测排序中的位置：前 10 标绿、前 100 标黄、前 1,000 标红、其余标紫，形成直观的视觉指纹。
价格官网未标价
平台Web
归类内容检测与去 AI 味
收录2026-10-10
复核2026-10-10
编辑评分
4.4 / 5
★★★★☆
Gltr编辑总结
GLTR（Giant Language Model Test Room）由 Hendrik Strobelt 与 Sebastian Gehrmann 开发，Alexander Rush 审阅，是 MIT-IBM Watson AI lab 与 HarvardNLP 的合作项目，用于对自动生成文本做取证分析。工具接入 OpenAI 的 GPT-2 117M 语言模型，把输入文本中每个词在模型预测排序里的位置用颜色标出：前 10 为绿色、前 100 为黄色、前 1,000 为红色、其余为紫色，并附三个聚合直方图。它相对直观，红色与紫色词占比会随文本越接近真人写作而上升；但它依赖单一 GPT-2 117M 模型，且输出只是概率排序的可视化，本身不给出确定性的真假结论。
Gltr是什么？
GLTR 是一个用于检测自动生成文本的视觉取证工具，由 Hendrik Strobelt 和 Sebastian Gehrmann 开发，Alexander Rush 审阅，是 MIT-IBM Watson AI lab 与 HarvardNLP 的合作项目。它面向需要判断一段文字是否由语言模型生成的人，例如编辑、研究者与内容审核人员。
在能力上，GLTR 接入了来自 OpenAI 的 GPT-2 117M 语言模型，这是当时可公开获取的最大模型之一。它接受任意文本输入，分析 GPT-2 在每个位置会预测什么词，再把实际出现的词在预测排序中的位置映射成颜色覆盖在原文上：排在最可能位置的前 10 个词标绿，前 100 标黄，前 1,000 标红，其余标紫。工具还提供三个直方图，分别统计各类别词的占比，展示文本整体情况。
使用方式上，GLTR 提供了可直接在网页上试用的 DEMO，源码发布在 Github 上，相关方法发表于 ACL 2019 demo track 论文并获最佳 demo 提名。普通用户可以粘贴文本查看颜色分布与直方图，研究者可以阅读论文并查看源码来理解与复现方法。
Gltr核心功能
接入 GPT-2 117M
工具使用来自 OpenAI 的 GPT-2 117M 语言模型，分析每个位置上模型会预测哪些词，并把实际出现的下一个词的排名作为判断依据。
预测词悬浮查看
把鼠标悬停在显示中的某个词上，会弹出小框展示模型预测的前 5 个词、它们对应的概率，以及下一个词的位置，方便逐点核对。
三类直方图
工具用三个直方图汇总全文信息，第一个展示每个类别的词在文本中出现多少，第二个展示最高预测词概率与其他词概率之间的比例关系。
真假文本示例
除粘贴任意文本外，工具内提供了若干伪造文本与真实文本的示例，方便对比观察红色与紫色词占比在两类文本之间的变化趋势。
在线 DEMO
提供可直接在浏览器中运行的现场演示，无需部署即可把文本粘贴进去查看颜色标注与统计结果，适合快速体验检测流程。
开源源码
源码发布在 Github 上，使用者可以查看实现细节，理解颜色分档与直方图统计是如何由模型预测排序计算出来的。
ACL 2019 论文
配套论文发表于 ACL 2019 demo track，并获得最佳 demo 提名，可用于了解这套取证分析方法的设计动机与实验设置。
Gltr适合谁用？
内容编辑与审核
推荐可以用颜色标注快速看出投稿文本中红色与紫色词的比例，把可疑段落挑出来人工复核，而不是只看整体观感。
NLP 研究者
推荐可结合 ACL 2019 demo track 论文与 Github 源码，理解如何用语言模型预测排序做自动生成文本的取证分析。
需要确定结论的用户
有条件工具输出的是颜色分布与直方图，呈现的是每个词在 GPT-2 排序中的位置，并不直接给出这段文字是否由 AI 生成的判定。
检测非英文文本的用户
有条件工具基于 GPT-2 117M 的预测排序，官网只说明了该模型与英文示例，未说明对其他语言文本的分析效果。
需要企业级批量筛查的团队
不推荐没有出现批量接口，账号体系或团队协作相关的说明。
Gltr优点和缺点
优点
- 对任意文本逐词标注绿、黄、红、紫四档预测排名，判断依据可直接看到
- 悬浮即可查看模型预测的前 5 个词及其概率，便于逐点核对
- 提供真实与伪造文本示例，红紫词占比的差异可以直接对照
- 配套 ACL 2019 demo track 论文并获最佳 demo 提名，方法有出处
- 源码发布在 Github 上，实现过程可查看
缺点
- 只接入 GPT-2 117M 一个模型，分析口径单一
- 输出是颜色分布与直方图
- 官网未说明对非英文文本的分析效果
- 官网未提及批量处理或接口类能力的说明
Gltr常见问题
GLTR 是免费的吗？＋
官网提供了可直接使用的现场 DEMO（live DEMO），源码发布在 Github 上，并说明配套论文发表于 ACL 2019 demo track，但页面没有出现任何价格数字或收费档位说明。具体以官方页面为准。
它靠什么模型来判断文本？＋
GLTR 接入了来自 OpenAI 的 GPT-2 117M 语言模型，这是当时公开可用的最大模型之一。工具分析 GPT-2 在每个位置会预测哪些词，再按实际出现的词在预测排序中的位置着色：前 10 标绿、前 100 标黄、前 1,000 标红、其余标紫。
颜色和直方图分别代表什么？＋
颜色反映每个词在模型预测排序中的位置；三个直方图则汇总全文，第一个展示每个类别的词在文本中出现多少，第二个展示最高预测词概率与其他词概率之间的比例关系。工具说明中提到，越接近真人写作，红色与紫色这类不太可能的预测占比会越高。
它能直接告诉我这段文字是不是 AI 写的吗？＋
它给出的是取证式的视觉线索，而不是一个确定结论。GLTR 的定位是检验自动生成文本的视觉指纹，让使用者看到每个词有多大概率被模型预测到，以及全文的颜色分布，最终判断仍要由人来做出。
GLTR 和同类检测工具怎么选？＋
本次官网未提及任何其他检测产品。可以确认的是 GLTR 的做法是把语言模型本身的预测排序可视化，如果你的目标是观察逐词级别的模型预测分布，这种方式比较直观；如果需要的是一个直接输出的判定结果，则要先评估它是否符合需求。
国内能正常使用吗？＋
官网只提供了官方网站与在线 DEMO 的入口，没有出现任何关于地区限制、访问条件或账号要求的说明，无法据此判断国内是否可用。使用前建议先直接打开官方页面确认可访问性。
我想了解它的原理，从哪看起？＋
可以读发表于 ACL 2019 demo track 的论文，该论文获得最佳 demo 提名；也可以查看发布在 Github 上的源码。工具页面本身也解释了语言模型如何逐词生成文本，以及为什么机器生成的文本会偏向每个位置上最可能的词。
Gltr竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Gltr本工具 | 4.4 | 未标价 | 逐词颜色标注；接入 GPT-2 117M；预测词悬浮查看；三类直方图 | Web |
| AI Detector By Custom Writings | — | 未标价 | 快速准确的 AI 检测工具 | — |
| Detector De IA Gratuito | — | 未标价 | 免费在线检测 AI 生成内容，精准识别，快速高效，确保您的文本真实可靠 | — |
| 爱站网站测速 | — | 未标价 | 在线 PING 检测工具 | — |
| Humanizer - PaperBleach | — | 未标价 | AI 文本人性化与检测工具，让写作更自然 | — |
| Plag | — | 提供免费额度并设有付费方案，具体价格以官方页面为准 | 为学生和教育工作者提供的在线抄袭检测和人工智能检测工具 | Web |
