编辑收到一篇稿子拿不准是不是机器写的，教师怀疑作业有AI参与，打开搜索结果全是各家工具的自我宣传，越看越不知道选哪个。问题不在工具不够多，而在你还没定清楚「要它替我回答什么」。这篇给一套横向对比的顺序：先按场景分组，再定几个可验证的观察点，最后用小样本试跑排出自己的候选清单，并说明哪种情况下这套方法不适用。
编辑收到一篇稿子拿不准是不是机器写的，教师怀疑作业有AI参与，打开搜索结果全是各家工具的自我宣传，越看越不知道选哪个。问题往往不在工具不够多，而在你还没定清楚「要它替我回答什么」。你如果连判定不合格的标准都没写下来，任何工具给的结论都只能当参考。
这篇给一套横向对比的顺序：先按场景分组，再定几个能验证的观察点，最后用自己准备的小样本试跑，排出候选清单。也顺手说清楚，哪种情况下这套方法并不适用，别拿它当正式认定依据。
先分场景，再谈工具对比
编辑场景看的是长文整体风格和段落节奏，教师场景看的是短文本、非母语写作和引用是否规范，这两者根本不能共用一张评分表。先按使用目的分组，再决定拿哪些指标去比，比一上来就排工具靠谱得多。
| 使用目的 | 要它回答的问题 | 看重的输出 |
|---|---|---|
| 初筛提示 | 这篇要不要我细看 | 能分段高亮、指到可疑段落 |
| 证据留档 | 能不能附在流程里复核 | 可导出报告、有时间戳和文本指纹 |
| 批量过稿 | 能不能扛住长文档和并发 | 长文不截断、支持批量提交 |
| 日常抽检 | 同一篇会不会忽高忽低 | 多次结论一致、可看历史记录 |
分组之后要做的一件事，是把「这一篇用什么标准判定不合格」写清楚。比如编辑可以定：整段句式过于匀称、缺少具体细节支撑、段落衔接全靠套话，就算可疑；教师可以定：与课堂写作水平明显脱节且有过程记录缺失，才进入核查。标准没定之前，工具结论只能当参考，不能当判据。
横向比就看这几个维度
各家宣传页讲的东西不一样，横向比的时候先统一到同一组观察点，再看谁在你关心的那一项上表现更稳。下面四个维度基本覆盖了日常选型要问的问题，缺哪一项后面都容易返工。
- 判定口径：是给疑似度分数、分段高亮，还是只给一句结论，能不能导出可复核的报告
- 稳定性和一致性：同一篇文本隔几天再测、换个账号再测，结论会不会漂移，这比单次表现更影响日常使用
- 支持范围：中文长文、带公式和代码的稿件、非母语英文作文差异很大，要按自己真实的稿件类型测
- 成本与配额：按字计费还是包月、有没有字数上限，去 /price-watch 核对当时的数字，别用别人截图里的报价
稳定性这一项最容易被忽略。很多工具在你换一段文本、换一天再测时，给的分档会来回跳，这种漂移放到批量过稿里就是噪音。判断办法很朴素：同一篇稿子隔几天重测两次，看结论是否落在同一档；如果两次分档不一致，就在你的清单里给它标上「只适合初筛」。
用三五篇自己的稿子做小样本试跑
公开对比文章最大的问题是样本不是你写的。比较靠谱的做法是自己准备一组对照样本，跑完再排候选。样本不用多，三五篇够用，关键是每篇的「真实标签」你自己心里有数。
- 准备样本两篇确定人工写的、两篇确定AI参与的、一两篇混合改写的，覆盖你日常最常见的文体，作为自己的对照组
- 固定输入同一份文本、同样长度、尽量在同一时间窗内跑完，避免不同时段模型更新带来的差异
- 记录输出把每家的结论分档记成「明确说AI」「模糊提示」「明确说人工」，重点看误判集中在你哪类样本上
- 复测一次隔几天拿同一批样本再跑一遍，结论明显变了的那家，在清单里降一档处理
试跑的时候顺便去 /tools/speed-test 这类站内工具页看看响应和长文处理情况，长文档被悄悄截断是很常见的坑，截断后的结论基本没有参考价值。
结论怎么用，什么情况下别用
检测结果最合适的定位是「要不要进一步核查」的触发器，不适合当处分或退稿的唯一依据。工具给的是一个概率倾向，不是一个能拿去对质的证据，这点要先跟流程里相关的人讲清楚。
- 把工具结论和过程证据放一起看：写作过程记录、版本历史、面谈提问，这些比一个分数更站得住
- 定期复测：工具会更新，今天合适的组合过几个月可能要重排，建议每季度拿同一批样本再跑一遍
- 写清使用边界：在团队规范里注明检测工具只用于初筛，避免被当成结论直接引用
- 留好记录：每次检测的文本、时间、工具名和结论存一份，后面复核时用得上
涉及学术不端认定、合同纠纷这类有实际后果的场景，必须走机构既定流程，个人用免费工具测出的结果不能当正式依据。这时候工具能做的是帮你决定要不要启动流程，而不是替流程下判断。
下一步去站内工具目录和价格追踪页看当前在架的检测类工具和各自报价口径，再拿自己的样本跑一轮小对比，比看任何一篇现成的排名都实用。→常见问题
检测工具说我的稿子是AI写的，但确实是我自己写的，怎么办？
先别急着换工具反复测。把原稿的写作过程留存下来（文档版本历史、写作笔记、大纲），再拿同一篇去另一家测一次，看结论是否一致。多数误判出现在高度模板化的文体和翻译腔文本上，如果几家结论都冲突，说明这篇本来就在边界地带，应该按流程做人工复核，而不是靠分数定论。
免费工具和付费工具差别大吗，日常够用吗？
差别主要在长文档处理、报告导出和稳定性上。个人偶尔判断一篇短文，免费额度基本够；要批量为团队稿件做初筛、或需要把报告附进审核流程，就得看配额和导出能力。价格和额度会变，具体去站内对应页面核对当时的数字，不要用旧截图。
教师用这类工具查作业，要注意什么？
三点：一是提前把规则写进课程说明，让学生知道会做检测；二是结果只作为约谈和进一步核实的起点，不能直接当处分依据；三是注意把学生作业上传到第三方工具的数据风险，涉个人信息的最好先脱敏或改用校内渠道，具体边界参考站内安全分区的相关说明。
