凌晨一点，某同学把一段一千二百字的论文引言发给我，附了张截图：同一份文档，甲站判了 74%，乙站只给 31%，丙站干脆提示字数超限。他问我到底该信哪个。这类问题我这一年被问了不下二十次——AI率查重从去年开始突然变成毕业季和投稿季的固定焦虑项，搜“免费网站”能出来一大把，但真能拿来当参考的没几个。这篇就把我最近一轮实测摊开讲：六款免费入口分别什么脾气、报告里哪些数字能信、以及标题里那两家国内主流中文查重服务（下文用A 系统指代以期刊文献库为主的那家，用B 系统指代以学位论文库为主的那家）到底该怎么选。适合正在赶论文的学生、准备投稿的研究者，也适合要给团队做内容合规初筛的编辑和运营，看完至少能省下几百块冤枉钱和几个通宵。

1. 先把三件事分清楚：查重率、AI 率、AIGC 疑似度

很多人一上手就蒙，是因为把三个完全不同的指标混成一句话问：“我这文章 AI 率多少、重复率多少、能不能过？”这三个数字由三套不同的系统、三套不同的逻辑算出来，互相之间没有换算关系。搞不清这一点，后面所有操作都是瞎忙。

1.1 “重复率”和“AI 率”根本不是一回事

重复率（也叫文字复制比）比的是你的文字和已有文献库的重合程度，本质是字符串/语义片段的匹配问题。它的判定逻辑相对朴素：切句、分词、指纹比对、找最长公共子串，命中了就标红，再按命中字数占总字数的比例出分。你抄了一段别人写过的，它就红；你自己一字一句敲出来的，哪怕写得再烂，它也绿。

AI 率比的是这段文字像不像机器生成的，它是概率判断，不是匹配判断。检测器内部通常是一个分类模型，输入文本后输出一个“疑似 AI 生成”的概率值。也就是说，重复率是“有据可查”的，AI 率是“有嫌疑推定”的——前者能指给你看“你抄了哪篇”，后者只能说“我觉得这段不像人写的”，而且经常说不出个所以然。这个本质差异决定了：重复率可以通过改写降下来，AI 率不行，你越机械地改，有时分数越高。

我见过最典型的翻车现场：某同学用同义词替换工具把整段话的每个词都换了一遍，重复率从 28% 掉到 9%，结果 AI 率从 40% 冲到 68%。原因很简单——同义词批量替换会造出大量不自然的搭配和极其均匀的句式，人不会这么写字，机器反而会。

1.2 检测器到底在看什么

不用懂模型结构，但有两个概念值得知道，它们解释了绝大多数“为什么这段被判 AI”的现象。

第一个是困惑度（perplexity）。简单理解：给定前文，下一个词有多少种可能。人写东西时用词跳跃、偶尔冒出个不常见的搭配，模型就“猜不准”，困惑度就高；AI 生成时倾向于选概率最高的词，句子顺滑得像流水线出来的，模型一猜一个准，困惑度就低。低困惑度 → 高 AI 嫌疑。

第二个是句长与节奏的波动（burstiness）。人写文章是有呼吸的：有时候一个三十字的长句绕三个弯，有时候“不对。”两个字就结束一段。AI 输出的句子长度分布非常集中，大多在二三十字之间，节奏平得像心电图拉直线。检测器抓的就是这个“太均匀”。

还有一个容易被忽略的：模板化连接词密度。“首先、其次、此外、值得注意的是、综上所述、不仅……而且、随着……的不断发展”，这些词组在检测模型的训练语料里和 AI 文本高度绑定，密度一高，分数立刻往上跳。这一点后面第 5 节会展开讲怎么处理。

1.3 为什么中文 AI 率特别容易虚高

英文学术写作里 AI 检测的争议已经很大了，中文的问题更严重，原因有三层。

第一层是训练语料的偏差。主流检测模型的训练集里英文占大头，中文语料相对少，而且中文 AI 生成的样本本身质量参差，模型的判别边界就比较糊，导致同一个模型对中文的输出方差明显更大。同一段话今天测 45%，明天测 62%，不是你的问题，是模型不稳。

第二层是中文本身的语言特性。中文没有空格，分词靠算法，同一个句子不同分词方式会切出完全不同的特征序列；再加上中文书面语习惯用四字格、对偶、排比，这些结构在统计特征上和 AI 的“均匀输出”非常像。学术写作更惨——学术语体本身就要求规范、克制、少用个人化表达，天然就是低困惑度文本。所以你越是老老实实按学术规范写，越容易被判成 AI。

第三层是很多免费站点的模型版本和阈值不透明。它们不告诉你用的是哪一代模型、阈值卡在多少、有没有针对中文学术语料做微调。你看到的一个百分比，背后可能只是某个通用模型对一个短文本的粗糙打分。这就是为什么第 2 节的实测里，六款站点对同一段文字能给出相差四十多个百分点的结果。

明白了这三层，你就不会再纠结“到底哪个网站的分数是真的”——没有“真的”，只有“和你所在单位/期刊要求的那套系统接不接近”。

2. 六款免费检测入口实测记录

这一节是本文的核心实测部分。为了不涉及具体产品，下面用 F1 到 F6 编号代指六类常见的免费入口：F1、F2 是两个纯网页端检测站，F3 是某文档协作工具内置的检测功能，F4 是某学术写作辅助工具附带的检测模块，F5 是某内容平台的创作者后台检测项，F6 是一个标称“不限字数”的聚合入口。

2.1 实测方法：同一段文本、同一时间、同一长度

控制变量这件事必须做，否则测出来的差异全是噪声。我的做法是：

• 语料固定：取一段自写的论文引言，共 1200 字，主题是某材料方向的文献综述式开篇。这段文字的写作过程我全程有记录，确认是自己敲的，没有任何 AI 参与，用来测“误判率”。
• 另取一段 AI 文本：用同一个提示词让某通用大模型生成 1200 字同主题引言，不做任何修改，用来测“识别率”。
• 测试窗口集中：两小时内把十二次检测跑完，避免模型版本在这期间更新。
• 记录三项：给出的 AI 疑似百分比、有没有段落级高亮、有没有额外提示（字数超限、需登录、需手机号等）。

结果是：同一段人文（真人写的）文本，六站的判定从 31% 到 74% 不等，极差 43 个百分点。而同一段 AI 文本，判定从 52% 到 96%，极差 44 个百分点。这个离散度意味着什么？意味着单看一个站的分数毫无意义，你必须知道你的目标系统是哪一个，否则就是在拿体温计量血压。

2.2 六款入口横向对照表

表格里最值得注意的不是数字，而是 F4 和 F5 这对极端：F4 对 AI 文本只给 52%，说明它偏松，拿它当“安全证明”会害了你；F5 对人写文本给到 74%，说明它偏严，拿它当“危险警报”会让你白改三天。一个偏松的站让你误以为过关，一个偏严的站让你误以为完蛋，两个都比不给结果更坑。

2.3 逐个说说体验和坑

F1 的问题是诱导性太强。免费额度卡在 1000 字，一篇一万字的论文要切十次，切完之后它必然提示“完整检测更准确”，然后把你往付费页引。更麻烦的是它的片段高亮，会把大段的正常学术表达整块标红，因为它抓的是低困惑度，而学术语体天然低困惑度——这就好比你穿正装去参加一个“不像学生”的评选，被判定为社会人士。

F2 相对老实，3000 字额度够测一个大章节，分段色块也能看出问题集中在哪。但它的色块边界对不上段落，经常一段话前半截绿后半截黄，改起来很别扭。我的处理是只把它当“定位工具”，用来找出哪几段最可疑，具体怎么改不看它的建议。

F3 的逐句标注精细得让人焦虑——它几乎把每句话都标了一遍。后来我反应过来，这不是因为它检测能力强，而是因为它的判定粒度太细，单句信息量太小，模型对短文本的判断方差极大。单句级别的 AI 判定基本没有参考价值，一句话三十个字，模型能看出什么来？这个道理和“只看一句话判断一个人的写作风格”一样荒唐。

F4 的双指标设计思路是对的，一次给出 AI 率和重复率，省得来回换站。但它的 AI 识别偏松得厉害，同一段 AI 文本它只给 52%，我怀疑它用的是上一代模型或者阈值卡得很高。这种站适合干什么？适合做初筛——如果连它都说你 60% 以上，那基本没跑了；它说你 20%，你千万别放心。

F5 是我最不建议直接用的一家。它的判定场景本来是内容平台防机器灌水，阈值设置得极为保守，学术文本进去基本是全员超标。我拿一段纯手写的读书笔记去测，给了 71%，当时就笑了。场景错配是免费工具最大的坑：防灌水的模型不等于查论文的模型。

F6 这类聚合入口要特别小心。它页面写着“不限字数”，实际操作是上传后后台截断，你看到的分数只基于前一千多字，后面的内容根本没进模型。更麻烦的是这类站跳转链路长，中间可能经过好几个页面，你不清楚文档最终传到了哪里。这一点在第 3.3 节展开。

2.4 免费额度背后的隐形代价

免费这件事从来不是无成本的。我梳理了一下这轮实测付出的代价，有几条值得写下来。

第一是时间成本被严重低估。六个站注册、验证、切分文本、等结果、对比，前后花了将近三小时。如果你只是为了确认“我这文章问题大不大”，三小时换一个方差四十个百分点的数字，性价比极低。更高效的做法是先用一个相对靠谱的站定位问题段落，改完再用目标系统做最终确认。

第二是隐私暴露。免费站点要拿到你的全文才能算，而你不知道它把文档存哪儿、存多久、会不会进它的比对库。这一点的后果比分数不准严重得多——如果你的论文进了某个第三方库，下一次在正式系统里查重，你的“重复率”会因为和自己重复而飙升。这不是危言耸听，每年都有人栽在这上面。

第三是心理成本。反复测、反复改、分数忽高忽低，人会陷入一种“越改越没底”的状态。我见过某同学一周内测了十七次，最后把一篇本来很通顺的引言改得支离破碎，AI 率没降多少，可读性彻底没了。这个坑我在第 5 节给了具体的止损规则。

3. 免费报告怎么读，哪些数字能信

拿到一份花花绿绿的报告，第一反应通常是直奔顶部那个大百分比。这个习惯得改。总分是最不稳定的指标，真正有用的是它下面的东西。

3.1 报告里三个指标，只有一个是硬的

一份像样的检测报告通常给三样东西：总体疑似度、疑似片段列表、片段在全文中的分布。这三样的可信度完全不同。

总体疑似度最软。它受文本长度影响极大——同样内容，一千字测和三千字测能差十几个百分点；受文本类型影响也大，纯论述段和含大量数据的段落，判定能差出二十个点。所以这个数字只在“同一系统、同一长度、同一版本”这三个条件都满足时才有比较意义。

疑似片段列表次之。它能告诉你问题集中在哪几段，这个信息是有价值的，因为改写的边际收益在不同段落上差很多——一段堆满模板连接词的过渡段，改起来收益极高；一段全是实验数据的描述，改起来收益很低还容易改错。

片段分布最硬。如果疑似片段集中在开头引言和结尾总结，那基本可以确定是“模板化表达”惹的祸，因为这两处最容易写成套路；如果散布全文均匀分布，那说明是你的整体句式和用词习惯偏机器化，需要通篇调整。这两种情况的处理策略完全不同，前者定点爆破，后者得整体重写。看分布比看总分有用十倍。

3.2 免费与付费的真实差距在哪

很多人以为付费版是“更准”，其实不完全是。差距主要在三个地方。

库的规模。这是最实质的差距。免费站通常只比对公开网页和少量开放语料，正式系统的库包含期刊全文、学位论文、会议文献、专利、年鉴等等，量级差着好几个数量级。这个差距在重复率上体现得极其明显，在 AI 率上反而没那么大——因为 AI 检测不依赖比对库，它靠的是模型判别。

模型版本与更新频率。正式系统背后有持续的模型迭代，免费站的模型经常是某一代冻结版本，几个月不更新。AI 生成技术在变，检测模型不跟着变，准确率就往下掉。

报告的可解释性。付费报告通常给到句子级标注、相似来源链接、改写建议，免费报告大多只给个色块。但说实话，改写建议这块我基本不看——机器给的改写建议本身就很机器，照着改只会让文章更像 AI 写的。这个逻辑很讽刺，但确实是实情。

所以结论是：免费站适合做趋势判断和问题定位，付费/正式系统适合做最终确认。不要指望免费站给你一个能拿去交差的数字。

3.3 上传前的三条隐私红线

这一节我建议你截图保存，每年都有人在这上面吃亏。

红线一：完整论文不上传任何不明来源的第三方站点。测试只用片段，且片段里不要包含未发表的核心数据、独创方法的关键描述。

红线二：需要手机号、身份证、学号才能用的免费站，直接放弃。这些信息的用途你控制不了，而检测这件事完全不需要实名。

红线三：上传前把文档属性里的作者名、单位信息、致谢部分清掉。文档元数据比正文更容易泄露信息，很多人只删正文忘了清属性。

具体操作上，我的习惯是把要测的段落单独复制到一个空白文档里，删掉所有能定位到我和我所在团队的信息，改成“某材料体系”“某工艺条件”这类模糊表述再上传。这样测出来的分数可能略有偏差，但风险可控。测完立刻删掉站点上的记录（如果它提供这个功能），不给它留存量。

4. 中文查重系统怎么选：A 系统还是 B 系统

标题里那个问题——到底该用哪个——答案不是“哪个更好”，而是“你要交给谁”。这两家的定位从一开始就不一样，选错方向的代价是白花钱加白改稿。

4.1 两个库的收录差异决定了适用场景

A 系统的核心资产是期刊文献库。它收录的期刊论文、会议论文、报纸、年鉴、专利比较全，更新也相对快。所以它的强项是判断“你的文字和已发表文献的重合度”，特别适合期刊投稿、会议投稿、以及需要发在公开出版物上的稿件。

B 系统的核心资产是学位论文库。它收录的硕博学位论文数量在国内是领先的，而这恰恰是期刊库覆盖不到的部分。学位论文的特点是篇幅长、综述部分厚、方法描述细，学生在写自己论文时最容易“参考”的也正是这些。所以 B 系统的强项是判断“你的文字和往届学位论文的重合度”，适合学位论文送审、答辩前的自查。

我见过最常见的误判是：某同学拿 A 系统测学位论文，重复率 8%，觉得稳了，结果学校用 B 系统一测 26%。原因很简单——他大段参考的那几篇同方向硕士论文，A 系统库里根本没有。反过来，有人拿 B 系统测一篇准备投期刊的稿子，重复率偏高，一看来源全是学位论文，而那些内容在他自己的文章里是合理引用的方法描述，A 系统测下来就没问题。库不对，分数全是噪音。

4.2 按场景选的对照表

表格最后一行值得多说一句。规范引用在检测报告里也会被标出来，但只要你的引用格式正确、引号完整、来源标注清楚，这部分通常会被系统识别为引用而不计入复制比。真正拉高分数的是“引用不当”——大段照搬但不加引号、改几个词就当自己的、把别人的综述段落原样搬过来只换个顺序。这三种情况在报告里看起来都是红的，但性质完全不同，改法也不同。

4.3 AI 检测功能在这两个系统里的位置

两家现在都提供了 AIGC 疑似度检测，通常作为一个附加指标和重复率一起出报告。但要注意两点。

第一，AI 检测模块和查重模块是两套算法，指标之间没有换算关系。重复率 5%、AI 率 60% 完全可能同时出现在一份报告里，这种情况说明你的文字是原创的但写法偏机器化，处理方式不是“降重”而是“改文风”。

第二，不同版本、不同批次的报告结果可能有波动。AI 检测模型会更新，同一篇稿子隔一个月再测，分数可能差十几个点。所以千万别把某一次的具体数字当成硬指标去死磕，看趋势就行——改完之后从 65% 降到 35%，这个方向对了，就够了；非要压到 10% 以下，往往是过度改写，把文章改坏了还不一定降得下去。

选择上我的建议是：以你最终要提交的那个系统为准，其他所有检测都只作为改稿参考。学校指定 B 系统，你就用 B 系统反复测；期刊说用 A 系统，你就盯着 A 系统。用错系统改稿，等于照着别人的尺码做衣服。

5. 降 AI 率的实操方案

这一节是全文最实用的部分。先说一句可能不太好听的话：降 AI 率没有捷径，所有“一键降 AI”的工具都是在赌检测器的漏洞，换个系统就失效。真正稳的做法只有一个——把文字改回人写的样子。

5.1 先判断是“真 AI”还是“被误判”

动手之前必须先分诊，否则容易把好好的文章改废。判断方法很简单：看疑似片段的内容特征。

如果被标红的段落里满是“首先、其次、综上所述、值得注意的是、随着……不断发展、不仅……而且、在……背景下”这类连接词，而且句子长度高度一致，那大概率是模板化写作导致的误判，改连接词和句长就能解决大半。

如果被标红的段落里有具体的实验数据、具体的失败案例、具体的操作细节，但还是被判了，那基本是纯误判，原因通常是整段句式太整齐或者术语密度太高。这种情况不需要大改，调整语序、拆几个长句、加一两句带个人判断的话就够。

如果被标红的段落是你自己都读不下去、觉得“这话说了等于没说”的空话，那确实有 AI 味，不管是不是机器写的，都得重写。判断标准很朴素：一段话如果删掉之后文章信息量没有任何损失，那它就是废话，无论人写还是机器写，都该删。

5.2 四步改写流程

我总结了一套四步法，实测下来比任何工具都稳。

第一步，拆句长。把连续三个长度接近的句子，改成“一长一短一长”的节奏。具体操作：找一个二十八字左右的中等句，拆成一个十五字的短句加一个补充说明的短句；或者反过来，把两个短句用一个从句连起来。目标是让句长分布散开。这一步能解决大约三成的误判。

第二步，砍模板词。把“首先”换成直接陈述，把“其次”换成“另一个问题是”，把“综上所述”整句删掉，把“值得注意的是”换成“这里有个细节”，把“随着……的不断发展”直接改成具体时间或具体现象。这一步最见效，因为模板词的权重在检测模型里很高。

第三步，加具体。每三百字至少塞进一个不可替换的具体信息：一个数字、一个型号、一个失败现象、一个时间点、一个具体的对比结果。AI 生成文本最大的特征是“正确但空洞”，加具体信息是反其道而行，直接把困惑度拉上去。

第四步，换视角。把纯客观陈述改成带判断的陈述。不是让你写“我觉得”，而是把“该方法具有较好的稳定性”改成“该方法在连续三批样品中的波动小于预期，但第四批出现了明显偏移”。“具有较好的稳定性”是模型最爱的句式，因为它放之四海皆准；后面那句有具体指向，机器写不出来。

5.3 改写前后对照示例

光说方法太虚，给一段真实对照。原始段落（AI 生成，检测 91%）：

随着人工智能技术的不断发展，文本生成模型在教育领域的应用日益广泛。首先，它能够有效提升学习效率；其次，它可以为学生提供个性化的学习支持；此外，它还有助于教师减轻工作负担。综上所述，文本生成技术在教育领域具有重要的应用价值。

改后（检测 34%）：

文本生成模型进课堂这件事，我一开始是怀疑的。去年冬天在某中学听了一节写作课，老师让学生先自己写三百字，再用模型生成同一题目的版本，然后两版对着读。学生的反应很有意思——他们不是觉得机器写得好，而是很快指出了机器版本的毛病：例子全是编的，转折全是一个套路，结尾必定升华。那节课真正的收获不是“提升效率”，而是学生第一次具体地看见了好文章和通顺文字之间的差距。至于个性化支持，我的观察是模型更擅长给即时反馈，不擅长判断一个学生该往哪个方向走。

两段话信息量、观点立场差不多，但后一段句长参差、有具体场景、有时间地点、有个人判断、没有模板连接词，这四项加起来就把分数打下去了。要注意的是，改后这段话字数更多，但读起来更快——因为具体信息比抽象概括更容易读。

5.4 降重和降 AI 冲突时怎么办

这是最容易被忽略的坑。降重的常规手段是替换同义词、调整语序、拆句合句，而这些操作恰好会制造出“均匀且不自然”的文本，直接把 AI 率推高。我前面提的那个案例——重复率 28% 降到 9%、AI 率 40% 冲到 68%——就是这个冲突的典型表现。

处理原则是：先降 AI，后降重，最后统一复检。理由是这样：降 AI 的操作（拆句长、加具体、换视角）本质上是在重写，重写之后文字和原文的重合度自然就下来了，很多重复问题在这个过程中顺带解决了。反过来先降重再降 AI，等于把已经改得别扭的文字再改一遍，越改越僵。

如果两轮改完重复率还是偏高，那就不是文字问题，是引用规范问题。这时候要看报告里的来源，逐条核对：是真抄了、是引用格式不对、还是参考了但没标。这三种情况对应的处理完全不同，硬改文字解决不了根本问题。

还有一条止损规则：单个段落的改写不要超过三轮。改到第三轮还是不达标，说明这段的结构本身有问题，应该整段重写而不是继续缝补。我见过改到第七轮的，最后那段话已经前言不搭后语，AI 率反而回升——因为过度修改会造出更不自然的文本。

6. 常见问题与排查速查表

这一年被问得最多的问题集中在这几类，我把排查思路整理成表，遇到问题对着查就行。

6.1 同一段文字反复测结果忽高忽低

这是最普遍的困惑。原因有三个，按可能性排序：

第一个是文本太短。一千字以下的文本，模型判断方差极大，差二十个百分点很正常。解决办法是把测试单位放大到两千字以上，或者干脆只测整个章节。

第二个是模型更新。有些站点会在你没察觉的时候换模型版本，前后结果不可比。判断方法是同一段文字隔一天再测，如果变化超过十五个点而你的文本一个字没动，那基本是模型换了。

第三个是免费额度触发的截断。很多站字数超限后不是报错，而是静默截断，只测前面一部分。你看到的分数可能只基于全文的三分之一。解决办法是测之前先确认字数上限，把文本切到上限以内。

6.2 表格、公式、参考文献被算进 AI 率

这个问题极其常见，而且往往是无辜的。表格里大量并列的短句、公式说明里的规范表述、参考文献列表里的固定格式，在统计特征上都极其接近机器输出——因为它们本来就是高度格式化的内容。

处理方式分两种。如果检测系统支持排除指定区域，直接在设置里排除参考文献和附录。如果不支持，就把这些部分先删掉再测，测完再加回去——你关心的是正文的表达水平，不是参考文献的格式。我甚至建议做两次检测：一次全文，一次纯正文，对比两个分数的差值，差值大说明你的问题集中在格式区域，根本不用改文字。

还有一个隐藏的坑：图表标题和注释。这些短句通常只有十来个字，判定方差极大，经常被误判。如果报告里只有这几个地方标红，直接忽略。

6.3 问题排查速查表

表格之外再补两条经验。第一，不要在同一天内反复测同一篇稿子，除了浪费时间没有任何收益，改稿是需要时间的，测太勤只会看到噪声。第二，建立自己的基线：第一次测出来的分数记下来，之后只看相对变化。你不需要知道 45% 是绝对的好还是坏，你只需要知道从 45% 到 30% 说明方向对了。

6.4 关于“免费”这件事的最后提醒

我理解大家想省钱，学生预算有限，一篇论文动辄几百块的检测费确实不便宜。但省钱要有策略，不能见免费就用。我的做法是：免费站只用来定位问题段落，正式提交前一定用目标系统做一次完整检测。这一次的钱不能省，因为它决定你要不要再改一轮稿。

另外提醒一句，很多学校和单位会给学生提供指定系统的免费检测次数，通常藏在图书馆主页或者研究生管理系统的某个角落里，问一句辅导员或者学长能省下不少。这个信息差每年都有人不知道，白花几百块。

最后分享一个我自己一直在用的自检习惯：改完稿之后不要立刻测，放一晚上，第二天早上从头读一遍。如果读的时候有哪一段让你觉得“这话怎么这么空”，那段不用测也知道该改。人对空洞文字的直觉，比任何检测模型都准。检测器只是把你这种直觉量化了一下，它替代不了你的判断，也不该替代。