Pangram, the AI-detection company best known for flagging machine-generated text, has officially launched Pangram Image 1.0 and Pangram Image Flash 1.0, a pair of models the company says set a new state of the art for detecting AI-generated and AI-edited images and videos. The announcement, published on Pangram's own blog on November 4 and picked up by Engadget, Unite.AI and Yahoo Tech, converts a research preview that the company released a few months ago into a generally available product with API support.

The launch comes at a time when synthetic media has become genuinely difficult to distinguish from authentic content, both for casual scrollers and for the moderation systems platforms rely on. Pangram's bet is that dedicated detection models, trained specifically against the outputs of today's frontier generators, can restore some of that lost signal.

99.96% の精度でフロンティア画像を検出

The flagship Pangram Image 1.0 model was evaluated against a benchmark the company built itself: 100 real photographs, each mirrored with synthetic versions produced by 12 frontier AI image generators using prompts closely matched to the original photo, for a total of 1,200 synthetic images. On that evaluation set, Pangram reports 99.96% accuracy — a figure that, if it holds up under independent scrutiny, would put the model well ahead of the commercial and academic detectors the company compared it against.

このモデルは、単純な本物か偽物かの判定を超えて、画像内で AI コンテンツが表示される場所を正確に特定するヒートマップを出力します。 That matters for the increasingly common middle ground between fully synthetic images and untouched photographs: marketing images with AI-generated backgrounds, photos retouched with generative tools, or composites that mix real subjects with generated elements.

Pangram also claims the new model is robust to the kinds of transformations that reliably defeat naive detectors — social media compression, deliberate blurring and noise, and low upload resolutions. The company says its previous research preview required images of at least 512x512 pixels, while Image 1.0 accepts inputs down to 256x256, with a reduced-confidence disclaimer shown below the old threshold.

ビデオ検出と DF26 の 29 ポイントの飛躍

姉妹モデルである Pangram Image Flash 1.0 はビデオを対象としており、同社の主張が最も顕著なのはここです。 Pangram cites a recent academic study, DF26, which found that humans are barely better than random when distinguishing real videos of people talking from AI-generated ones — and that existing automated detectors were not much better.同じ DF26 ベンチマークで、Pangram は 98.7% のスコアを報告しており、これは次善の検出器を 29 ポイント上回るものであると説明されています。

To benchmark against the commercial market rather than academia, Pangram constructed a difficult comparison set from 129 real social media videos, generating synthetic mirrors of each using 14 different frontier video generators — 100 videos per generator, seeded with the first real frame of each source video and driven by generated descriptions of the action.同社は、結果として得られた 1,529 本のビデオについて、Flash 1.0 を複数の主要な AI ビデオ検出サービスと比較しました。 The mirror methodology is designed to remove content bias: each real video and its synthetic twin share the same scene and subject, so a detector cannot game the test by learning which topics or aesthetics correlate with AI content.

The Flash model also performs frame-by-frame analysis, which lets it flag AI-edited segments inside otherwise authentic footage — a capability aimed at the growing problem of partially manipulated videos rather than fully synthetic clips.

テキスト検出から完全な合成メディア スタックまで

Pangram built its reputation on AI text detection, where its classifiers are widely used in education and publishing, and Yahoo Tech's coverage of the launch described the company as the gold standard in that category. Extending into images and video is a natural expansion, and it positions Pangram as a one-stop shop for platforms, newsrooms and enterprises trying to police synthetic media across formats.

新しいモデルには、画像とビデオの両方の検出の API サポートと、ユーザーがフィードをスクロールするときに画像とビデオに検出を適用する Chrome 拡張機能が付属しており、バックオフィスのモデレーション ツールから消費者レベルの保護に近いものに検出が移行します。 Pangram は、X-AIGD、Mirage-Test、AIGenImages2026、RAISE と組み合わせた Synthbuster、Community Forensics などの学術データセットに対してモデルのベンチマークも行ったと述べています。

探知軍拡競争は続く

1 つの注意点は強調に値します。Pangram の発表のすべての数値は、独自のミラーベースのベンチマークで実施された Pangram 独自の評価に基づいています。独立した検証は、検出ツールが最終的に信頼を獲得する方法であり、AI 検出の歴史には、これまで見たことのないジェネレーターに対して精度が低下したツールが数多くあります。 Pangram 自体も投稿の中で同様のことを認めており、研究プレビューを試して弱点を見つけてくれたコミュニティに感謝しています。

それでも、今回の発表は、生成ビデオの急速な進歩に応じて検出技術がどこまで進歩したかを示す重要な指標となる。報告されたDF26の結果が第三者によるテストを乗り越えた場合、人間が知覚できるものと機械が検証できるものとの間のギャップは広がるばかりであり、まさにパングラムが賭けている市場である。

プラットフォームとパブリッシャーにとって実際に得られるのは、フレームレベルのビデオ分析を含む、低解像度での高精度の検出がコモディティ API として利用可能になりつつあるということです。合成メディアの問題の次の段階は、検出が可能かどうかという問題ではなく、誰がそれを展開するか、インターネットの配管のどの層に配置されるかという問題になる可能性があります。

AI の先を行く

合成メディア、検出ツール、およびそれらを採用するプラットフォームは移動するターゲットであり、そのすべてについて常に最新の状態を保ちます。

AIニュースをもっと読む→