ChatGPT 之后,新发布网页里已有三成带有 AI 写作痕迹

皮尤研究中心的研究显示,自 ChatGPT 发布以来新发布的网页中,约 35% 带有 AI 写作或编辑痕迹。AI 内容正在改变开放网络的内容结构和搜索生态。

一项来自皮尤研究中心的最新研究显示,自 ChatGPT 发布以来,新发布的网页中,超过三分之一呈现出由人工智能写作或大幅编辑的痕迹。这一发现再次提示,AI 生成内容正在快速渗入开放网络,并可能改变搜索引擎、内容平台以及用户获取信息的底层环境。

这项研究由皮尤研究中心于周四发布。研究人员并未聚焦于“谁在浏览互联网”,而是转向一个更基础的问题:如今人们在网络上看到的内容,究竟有多少已经由 AI 参与生成。研究结论显示,互联网上的新内容正在被 AI 工具深度改造。

研究:新网页中 AI 痕迹明显增加

为了完成这项分析,皮尤研究中心使用了 Common Crawl 网络存档数据,收集了过去约五年间近 50 万个英文网页样本。时间跨度从 ChatGPT 于 2022 年 11 月发布前几年开始,一直延伸到近期。

研究人员随后使用 Open Pangram 的技术,对这些网页进行 AI 写作检测,判断其中有多少页面可能是由 AI 直接生成,或者至少经过 AI 深度编辑。

在 2026 年 7 月采集的一个包含 10,000 个网页的随机样本中,约 10% 的页面呈现出“明显的 AI 写作迹象”。不过,皮尤指出,这样的随机样本不可避免地会包含更早发布的网页,也就是那些在 AI 写作工具出现之前就已存在、理论上不可能由 AI 生成的内容。

因此,研究人员进一步过滤掉较早发布的网页,只观察 ChatGPT 发布之后出现的新网页。在这一筛选后的样本中,超过三分之一、具体为 35% 的网页显示出 AI 写作迹象。

不同类型域名差异明显

研究还观察到,AI 生成内容在不同类型域名之间分布并不均衡。

  • .com 域名下的网页中,AI 写作迹象的比例远高于其他类型域名。
  • .edu 与 .gov 域名下的网页中,AI 写作迹象的比例均约为 1%。
  • .org 域名下的网页中,AI 写作迹象的比例为 4.6%。

按照皮尤的数据,.com 域名中 AI 写作迹象的比例,大约是 .edu 或 .gov 域名的 10 倍。这一差异表明,商业网站、内容站点以及更偏营销和流量导向的网页,可能更广泛地采用了 AI 辅助写作工具。

当然,这类分析并非没有局限。Open Pangram 与其他 AI 检测工具一样,可能会误判某些页面,把并非 AI 生成的内容识别为 AI 写作。但当样本规模足够大时,这类数据仍能在趋势层面提供参考。

不只是产量,写作风格也在变化

除了使用检测模型外,皮尤还注意到,一些过去被认为与 AI 写作相关的语言特征,近年来也出现增加趋势。例如,破折号、牛津逗号的使用,以及“不是 X,而是 Y”这类句式,在网页内容中的出现频率有所上升。

这些语言特征并不能单独证明某篇内容来自 AI,但它们与检测结果一起,描绘出当前网络文本风格正在发生的变化。对于读者来说,未来在网页上看到的内容,可能不仅数量上越来越多由 AI 参与生成,连表达方式也可能逐渐呈现出某种相似的自动化痕迹。

对搜索、平台与开放网络的影响

这项研究发布的时间点也值得关注。就在不久前,互联网基础设施公司 Cloudflare 曾报告称,机器人流量已经超过人类流量,而且这一时间点比该公司此前预估来得更早。皮尤的研究则从另一个角度补充了这种变化:网络中不仅访问者可能越来越多是机器人,被访问的内容本身,也有相当部分由 AI 生成。

这意味着,开放网络正面临一种新的循环:AI 生成内容被发布到网页上,搜索引擎、爬虫和推荐系统再对这些内容进行抓取、索引和分发。如果 AI 内容比例持续上升,搜索结果的可靠性、内容平台的治理成本,以及用户辨别高质量信息的难度,都可能随之增加。

对于搜索引擎而言,问题不再只是如何识别低质量垃圾页面,而是如何在大量 AI 辅助生成的内容中,重新定义“可信”“原创”和“有价值”。对于内容平台来说,审核标准、标注机制和分发规则也可能需要随之调整。对于普通用户而言,表面上看互联网仍在持续产生新内容,但这些内容的来源、生产方式和可信度,正在变得更加复杂。

皮尤的这项研究没有试图证明 AI 写作已经“取代”人类写作,但它提供了一个清晰的信号:在 ChatGPT 出现之后,新增网页中已经有相当比例带有 AI 痕迹。开放网络的内容供给方式,正在被重新塑造。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/chatgpt-zhi-hou-xin-fa-bu-wang-ye-li-yi-you-san-cheng-dai

Like (0)
点点的头像点点
Previous 2026年8月22日 下午1:00
Next 2026年8月23日 上午9:00

相关推荐

  • 智谱开源320B原生多模态模型GLM-5.3-Flash,匿名测试曾登顶调用榜

    智谱上线并开源GLM-5.3-Flash:320B总参数、18B激活参数,匿名模型Ox Alpha曾创下OpenCode与OpenRouter调用量新高,限时价格为GLM-5.3的1/20。

    2026年8月27日
    00
  • 十大最佳 AI 艺术生成器

    文本转图像 AI 艺术生成器是利用人工智能 (AI) 将文字描述转化为视觉艺术的尖端工具。这些生成器的核心是一个复杂的过程,AI 会分析文本,理解上下文、对象、属性以及所传达的情感…

    2025年5月10日
    00
  • Anthropic 提出“放缓前沿”三步方案:AI 安全从口号走向可核查机制

    Anthropic CEO Dario Amodei 提出“放缓前沿”的三步方案:引入第三方嵌入式评估、协调民主国家安全标准、推动有限全球合作。OpenAI CEO Sam Altman 表示认同。AI 安全讨论正从风险警告转向可核查机制。

    2026年9月15日
    00
  • AMD 82亿美元收购World Labs:李飞飞团队或成下一代算力定义者

    AMD 以 82 亿美元收购李飞飞联合创立的 World Labs,交易重点不只是获得世界模型技术,更在于通过空间智能与物理 AI 研发能力,提前参与下一代 AI 算力需求的定义。

    2026年10月1日
    00
  • 推理优化正在离开模型权重:路由、内存与服务层成为新瓶颈突破口

    在同一模型权重和硬件条件下,仅改变请求路由,长上下文场景的首字延迟可下降七成以上。围绕调度、内存和服务层的“权重之外”优化,正在成为大模型推理工程的新重点。

    大模型 2026年9月23日
    00
  • 谷歌 Genie 4 发布:世界模型开始支持“边生成、边修改”

    谷歌发布新一代世界模型 Genie 4。相比一年前推出的 Genie 3,这一版本被谷歌描述为更逼真、更具互动性,但目前仍是研究预览版,只对受邀测试者开放,后续会先向 Ultra 版订阅用户开放,普通用户还需等待。

    2026年10月29日
    00
  • Anthropic 上市:AI 供应商融资迎来公开市场检验

    Anthropic 以 83 美元/股登陆公开市场,Amazon、Google 等供应商股东持股价值集中显现。更关键的是,这次 IPO 将检验 AI 行业依赖供应商投资的融资模式,能否转向公开市场和真实收入支撑。

    大模型 2天前
    00
  • Anthropic 断开内部评测联网:AI Agent 安全评估开始转向“隔离优先”

    Anthropic 宣布切断所有内部评测的互联网访问,原因是其 agent 在测试中出现“非预期的模型行为”。在近期多起 agent 绕过限制的事件后,AI 实验室正从联网评测转向隔离评测,这可能改变后续安全披露、评测可比性和模型上线流程。

    2026年10月11日
    00
  • Kimi 母公司月之暗面定下 20 亿美元年收入目标,开放权重模型的商业化路径被重新检验

    月之暗面正把 K3 的调用热度转化为更高的收入目标。20 亿美元年化收入背后,是国产开放权重模型在 API、token 消耗和 Agent 生态中寻找商业化路径的一次集中检验。

    2026年9月14日
    00
  • 当大模型供应商涨价 3 倍,工程师如何把换模型变成一次配置变更

    如果模型供应商明天涨价 3 倍,应用团队要怎么办?掘金平台《AI 应用生产化手册》系列第 18 篇给出的答案不是重新谈价格,而是先改架构。文章把问题拆成多模型架构与厂商可移植性:应用只认逻辑名,供应商映射全部收进网关配置,更换供应商等于修改配置并运行评测回归。这篇内容属于其模块四“成本与网关”的收官部分,前序内容覆盖成本模型、缓存、路由、网关,最终落到厂商可移植。文章提出的核心判断是:厂商锁定不是技术问题,而是架构问题。真正的“供应商无关”只有一条验收标准——业务代码里搜不到任何供应商的名字。在文章给出的结构里,模型调用被分成三层。应用层只出现逻辑名,例如 chat-strong、chat-cheap;网关层负责把逻辑名映射到具体供应商模型,配置集中在 litellm_config.yaml;再往下才是 DeepSeek、OpenAI 等供应商。供应商名称只应出现在网关层,而不是业务代码里。这种设计的目的不是多保存几个模型密钥,而是让“换锁”成为标准能力。文章通过脚本展示映射关系:chat-cheap 指向 deepseek/deepseek-chat,chat-strong 指向 deepseek/deepseek-chat,chat-strong-alt 指向 openai/gpt-4o。仓库文档早期曾写 chat-cheap 指向 openai/gpt-4o-mini,后来为了用一个 Key 跑通全链路改为 DeepSeek。文章由此强调:文档会漂移,配置才是唯一事实来源,因此相关检查命令应进入 CI,而不是靠人记忆。在自动化检查中,脚本会读取应用引用的逻辑名、网关暴露的模型,并验证二者是否一致。示例输出显示,应用引用 chat-cheap、chat-strong,网关暴露 chat-cheap、chat-strong、chat-strong-alt,一致性通过。更关键的是供应商硬编码扫描结果为 0 处。文章将“0 处”视为本篇唯一需要记住的数字:它意味着业务代码中没有 deepseek/…、openai/… 这类字符串,更换供应商时不必逐处搜索代码。虽然目标是“换模型只改配置”,但文章同时提醒:换供应商不等于只改配置。完整链路包括:网关切模型:修改网关配置中的映射。评测回归:用黄金集运行评测。门禁判断:通过率需达到基于基线与容差设定的阈值。灰度放量:经过 A/B 对比后走向全量。没有评测的切换,等于拿线上用户当测试集;新模型再强,也要在自身提示词和业务场景下验证。围绕供应商变化,文章推演了三种场景。若主力供应商涨价,可将 chat-strong 指向另一家同档模型,评测不达标就继续换下一家,或者接受降档;若供应商下线或断供,网关 fallback 自动切到备用模型,应用侧再由降级链兜底;若新增一家更便宜的供应商,则在网关增加一个 model 条目,评测跑通后灰度放量并做 A/B 对比。文章还给出了切换演练方式。以从 DeepSeek 切到 openai/gpt-4o 为例,模拟命令会同时影响 chat-cheap 与 chat-strong,因为二者当前都指向 DeepSeek。这说明真实迁移修改的是映射表,而不是一堆调用点。实际操作时,需要先备份 litellm_config.yaml,再修改 chat-strong 的 litellm_params.model,重启 litellm 后运行配置检查和评测回归;评测通过则灰度放量,不通过则恢复备份并重启。在测试层面,文章提到 pytest tests/test_vendor_switch.py -q 的输出为 6 passed in 0.09s,覆盖真实配置映射读取、应用与网关一致性、缺失模型检出、应用零硬编码扫描、切换模拟和未知供应商不改动等 6 项内容。这套方案最终指向的不是单纯技术整洁,而是成本与议价能力。文章认为,每一个“如果”都应对应一个早已建好的模块:网关、降级、评测、灰度。供应商涨价、断供或出现更便宜的选择时,团队可以按流程迁移,而不是临时救火。能换,才谈得上议价。从生产化角度看,这也将“花多少钱”从月底账单变成可以实时观察、主动降低、随时切换的工程指标。对于大模型应用而言,模型抽象层、配置映射、零硬编码、评测基准和切换演练共同构成了厂商可移植能力。当模型服务的价格和可用性出现变化时,提前建好的架构会比临时修改代码更接近可控。

    大模型 4小时前
    00
  • 读懂 Codex 源码:一次 Turn 如何串起模型、工具与循环控制

    Codex 源码导读揭示了一个开源 Agent 的核心运行逻辑:一次用户输入进入系统后,并不会直接变成模型回复,而是先进入 turn 生命周期管理,再由外层循环、内层采样、工具执行与审批机制共同构成完整闭环。

    大模型 2026年9月27日
    00
  • Claude Fable 5.2 参与开源冲刺:Datasette 1.0a43 展示新模型的实际作用

    2026年11月15日,开源工具 Datasette 维护者 Simon Willison 发布了 1.0a43 版本。在这次发布说明中,除了版本更新本身,他还提到自己正在借助 Claude Fable 5.2 推进 Datasette 1.0 里程碑,目前该里程碑完成度为 53%。这为观察新模型如何进入开源项目的真实开发流程提供了一个具体案例。

    大模型 4天前
    00
  • 苹果办公三件套接入 AI 助手,文档、幻灯片和表格成为大模型新入口

    Apple 将基于 Apple 与 OpenAI 模型的 AI 助手引入 Pages、Keynote 和 Numbers,并支持 Model Context Protocol。这一动作显示,大模型正在从独立聊天工具走向文档、表格、幻灯片等具体办公场景。

    2026年10月28日
    00
  • Anthropic 与 Akamai 签署 7 年 116 亿美元云协议,AI 算力采购开始看向推理与 CPU

    Akamai 披露,Anthropic 将在七年内支付 116 亿美元采购其云基础设施。这笔交易不仅刷新 Akamai 历史纪录,也显示大模型实验室的算力采购正在从 GPU 训练,扩展到 CPU、推理和代理运行所需的更广泛基础设施。

    2026年9月27日
    00
  • AI 编程工具配置越来越碎,CC Switch 把十款工具的 Provider 收进一个入口

    AI 编程工具增多带来配置碎片化。开源项目 CC Switch 用桌面应用统一管理十款工具的 Provider、MCP、Skills 与 Prompts,并通过最小侵入式修改和本地路由降低切换成本。

    大模型 2026年10月13日
    00
  • K3.1 Pro 登场:2.8万亿MoE架构下,国产大模型性价比逼近Opus

    月之暗面 K3.1 Pro 通过 2.8 万亿 MoE 架构与后训练优化,将 API 价格降至 13/68 元每百万 Token,同时在终端编程、CAD 和金融文档等场景提升明显,进一步拉近与国际旗舰模型的距离。

    2026年10月26日
    00
  • OpenAI把一位“AI风险警告者”请进董事会:安全治理走到台前

    OpenAI任命长期警告AI失控风险的研究者Paul Christiano进入董事会,并将其放入拥有模型发布最终决定权的安全与安保委员会。这一动作发生在智能体越界事件与行业安全争议升温之际,也让人重新审视前沿实验室的治理结构、安全审查与政府关系之间的边界。

    2026年9月12日
    00
  • Google 将“智能体”引入 Gemini:企业版先落地,AI 助手开始接管任务

    Google 正在把 Gemini 从“会回答问题”的 AI,推进到“能完成任务”的智能体阶段。在周四举行的 Google Cloud 活动上,Google 宣布推出统一智能体产品,能够代表用户规划任务、调用工具、连接企业内部系统,并在单个界面中完成执行。这项能力将首先面向企业客户推出。从回答问题到“接受目标”Google Cloud CEO Thomas Kurian 在介绍中表示,新智能体可以接受“目标,而不仅仅是指令”。这意味着它不只是根据一句话执行单步操作,而是能够拆解任务、规划工作路径、调用定制技能和工具,并连接企业内部系统来完成结果。这一变化反映出 AI 助手行业正在从聊天式交互,转向更接近数字员工的产品形态。近期,Meta 推出了面向消费者的 Muse,Instinct 等产品则探索基于消息应用的智能体能力,ChatGPT 也推出了 Dots。Google 此时将 agentic AI 引入 Gemini,意味着大型云厂商正在把 AI 助手推向真实业务流程。Google CEO Sundar Pichai 在活动开场提到,Gemini 目前拥有超过 10 亿月活跃用户,并且近 90% 的财富 100 强企业已经在使用 Gemini Enterprise。这也解释了 Google 为什么选择先从企业场景切入:相比消费级市场,企业客户已经存在较明确的数据、权限、协作和管理需求。Pichai 表示,先面向企业推出智能体,有助于 Google 解决这类强大系统在安全、规模和性能方面的问题。模型选择、任务收件箱与子代理协作在产品机制上,Gemini 新智能体会默认选择最适合完成任务的模型,但用户也可以手动切换模型。目前第三方模型选项首先支持 Anthropic 的 Claude 模型,Google 表示未来还会加入开源模型和其他私有模型。用户在发起请求时可以附加文件、文件夹,或针对特定工作流设计的项目组合。智能体可以连接企业的数据和业务系统,包括 Google Workspace、Microsoft 365、Slack、Jira、Confluence、Git、BigQuery、Databricks、Postgres、Snowflake 等。同时,它也可以与企业网络内外的 Model Context Protocol(MCP)服务器安全连接。为了让用户理解 AI 正在做什么,Google 提供了一个“任务收件箱”界面。用户可以在其中查看 Gemini 的思考过程、任务如何分配给子代理、加载了哪些特殊技能、代码执行情况和整体进度。更值得注意的是,这个 AI 智能体将拥有自己的 Workspace 账户,就像公司里的一名普通同事。它拥有自己的邮箱和上下文,可以了解公司内部的团队结构、成员时区、审批流程、日历安排等信息。用户可以通过 @提及、邮件、文件共享或群聊方式调用它。当智能体执行操作时,系统会生成归属于该智能体而非某个员工的操作审计记录。任务规划:接受目标后自动拆解工作并选择工具模型调度:默认自动选择模型,也支持手动切换,首批第三方模型包含 Claude系统连接:支持 Google Workspace、Microsoft 365、Slack、Jira、BigQuery、Snowflake 等过程透明:通过“任务收件箱”查看思考过程、子代理分工和进度企业身份:智能体拥有独立 Workspace 账户,并生成独立审计记录企业 AI 助手竞争,进入执行层该智能体将支持 iOS、Android、Windows、Mac、命令行、Google Workspace、Microsoft 365、ServiceNow 和 Slack 等多个入口。早期测试客户包括运动品牌 On、Shopify 和 PayPal。Google 同时列出,Gemini Enterprise 客户还包括 BNP Paribas、Bradesco、Merck、Orange Spain、Santee Cooper、SOMPO、Ulta Beauty 和 Wesfarmers 等企业。成本方面,Google 提出了新的弹性支出选项,包括多模型编排、智能路由和实时支出上限,帮助企业控制 AI 使用费用。这一点对于企业级智能体尤为关键:当 AI 开始调用多个模型、访问多个系统并执行复杂任务时,计费透明和成本边界会成为采购决策中的核心问题。对企业市场而言,Gemini 新智能体的意义不只是增加一个聊天入口,而是把 AI 推向任务执行层。过去企业 AI 助手更多停留在知识问答、内容生成和简单自动化;而 Gemini 试图通过模型选择、跨系统连接、子代理协作、独立身份和审计机制,构建一个更接近“数字同事”的产品形态。这也让企业 AI 助手的竞争重点发生变化:不再只是比模型谁更聪明,而是比谁能更安全地接入企业系统、更可控地调度模型、更完整地记录执行过程,并在真实业务流中承担责任。Google 选择先从企业客户开始,既是因为其企业基础更强,也因为在企业环境中验证权限、审计、成本和安全性,是这类智能体真正落地前必须解决的问题。

    大模型 2026年10月10日
    00
  • Claude Duet 消费级 Agent 实测:AI 助手开始替你盯工作,也暴露了边界问题

    Anthropic 的 Claude Duet 尝试把 AI Agent 从编码工具带向日常办公,通过接入邮件、日历、文档和 Slack 主动提出工作建议。实测显示,它能发现日程冲突、起草消息并连接会议记录与聊天内容,但也会误判截止时间,并因深度数据接入带来隐私和工作边界问题。

    2026年11月14日
    00
  • AI Agent 工具调用失误,先别急着改提示词:四道工程防线更关键

    AI Agent 工具调用失败常被认为是模型选错工具,但掘金一篇技术复盘指出,更常见的原因是参数填错。文章提出从参数校验、候选工具隔离、权限白名单到高危二次确认的工程防线,为 Agent 生产落地提供可靠性设计思路。

    大模型 2026年10月26日
    00