我们为什么选择把“0%AI率”做成第一卖点

关键词：去除AI痕迹、0的AI率、AI文本API

作者按：以下所有数据、对话与截图均来自我们平台的后台日志或公开检测报告，可溯源，可复现。

我是平台主理人老周，今天想先跟大家聊聊一个我们内部反复争论过的问题——“把 0%AI 率当成第一卖点，到底是噱头还是刚需？”

争论的起点是 2024 年 12 月的一次灰度测试。当时我们上线了第一代“去 AI 痕迹”模型，内部代号 Ghost-α。为了验证它到底能把 AI 率降到什么程度，我们把同一篇 ChatGPT-4o 生成的 1 800 字产品文案连续跑了 10 轮 Ghost-α，然后同步送进三家主流 AIGC 检测器：知网 AIGC 2.3、Turnitin AI 3.0、GPTZero v4。结果让我们自己都吓了一跳：

连续 10 次 0 %，在统计学上已经可以排除偶然。那天下午，我们把实验日志截屏发到了工作群，群里安静了 30 秒，然后产品同学丢过来一句话：“如果这都不算卖点，那什么算？”

但我们依旧谨慎。0 % 的 AI 率听上去太像广告词，我们担心用户会天然地不信任。于是接下来两周，我们做了第二波测试：邀请 30 位真实用户每人上传一篇他们之前被平台判定为“AI 率过高”的稿件，再跑 Ghost-α。最终回收的 30 份检测报告里，28 份显示 0 %，2 份显示 1 %，原因是原文里嵌了无法改动的固定数据表。

这两轮测试之后，我们才敢在官网首页写下一句话——“我们可能是全网唯一敢承诺 100 % 人工率输出的 API”。写这句话的时候，我心里其实有点忐忑，因为“唯一”这个词很重。后来我们又去查了同行公开的接口文档，确实没发现谁把 0 % 当成正式 SLA 写进条款里。

当然，技术实现并不是魔法。Ghost-α 的核心思路是“对抗式重写”：先用 7 组风格各异的真人语料微调一个 13B 模型，再用判别器实时打分，低于阈值就继续迭代。平均一篇 1 000 字的文章要循环 6～8 次才能稳定 0 %，所以调用成本会比普通生成高 2.7 倍。后台账单显示，我们每天要为此多烧 4 320 元的 GPU 算力。

有朋友问我：“用户真的会为 0 % 买单吗？”我翻出 2025 年 7 月的后台数据给他看：当月调用量 1 847 296 次，其中 62 % 的调用来自教育场景（论文、作业），28 % 来自品牌公关（新闻通稿、小红书文案），剩下 10 % 是法律与金融合规报告。教育类用户平均愿意比市场价高 18 % 购买“0 % 套餐”，因为他们要过学校 AIGC 检测；而品牌公关客户更在乎“舆情安全”，一旦被质疑是 AI 代写，损失远高于这点差价。

写到这里，我想起一位南京大学的研究生用户凌晨 3 点在工单里留的一句话：“我把论文从 71 % 降到 0 % 只花了 6 分钟，但让我安心睡着的不是数字，而是你们敢把 0 % 写进 SLA。”那一刻，我忽然明白，技术再花哨，最终还是要回到“让用户睡得着觉”这件小事上。

所以，如果你也在为“去除 AI 痕迹”反复改稿到凌晨，可以来试一次我们的 API。调用很简单，一行 POST 请求就能得到一篇 100 % 人工率的文章。我们不敢说自己是万能解药，但起码能让你今晚早点睡。