Pangram, AI-detektionsföretaget som är mest känt för att flagga maskingenererad text, har officiellt lanserat Pangram Image 1.0 och Pangram Image Flash 1.0, ett par modeller som företaget säger har satt en ny toppmodern för att upptäcka AI-genererade och AI-redigerade bilder och videor. Tillkännagivandet, som publicerades på Pangrams egen blogg den 4 november och plockades upp av Engadget, Unite.AI och Yahoo Tech, omvandlar en forskningsförhandsvisning som företaget släppte för några månader sedan till en allmänt tillgänglig produkt med API-stöd.

Lanseringen kommer vid en tidpunkt då syntetiska medier har blivit genuint svåra att skilja från autentiskt innehåll, både för casual scrollers och för modereringssystem som plattformar förlitar sig på. Pangrams insats är att dedikerade detektionsmodeller, tränade specifikt mot utgångarna från dagens gränsgeneratorer, kan återställa en del av den förlorade signalen.

Gränsbildsavkänning med 99,96 % noggrannhet

Flaggskeppet Pangram Image 1.0-modellen utvärderades mot ett riktmärke som företaget byggde själv: 100 riktiga fotografier, var och en speglad med syntetiska versioner producerade av 12 frontier AI-bildgeneratorer med hjälp av prompter som var nära matchade med originalfotot, för totalt 1 200 syntetiska bilder. På den utvärderingsuppsättningen rapporterar Pangram 99,96% noggrannhet - en siffra som, om den håller sig under oberoende granskning, skulle sätta modellen långt före de kommersiella och akademiska detektorer som företaget jämförde den mot.

Utöver en enkel verklig eller falsk dom, matar modellen ut värmekartor som lokaliserar exakt var AI-innehåll visas i en bild. Det är viktigt för den allt vanligare mellanvägen mellan helsyntetiska bilder och orörda fotografier: marknadsföringsbilder med AI-genererad bakgrund, foton retuscherade med generativa verktyg eller kompositer som blandar verkliga motiv med genererade element.

Pangram hävdar också att den nya modellen är robust för de typer av transformationer som på ett tillförlitligt sätt besegrar naiva detektorer - komprimering av sociala medier, avsiktlig suddighet och brus och låga uppladdningsupplösningar. Företaget säger att dess tidigare förhandsgranskning krävde bilder på minst 512x512 pixlar, medan Image 1.0 accepterar indata ner till 256x256, med en ansvarsfriskrivning med minskat förtroende som visas under den gamla tröskeln.

Videodetektering och ett 29-punktssprång på DF26

Kompanjongmodellen, Pangram Image Flash 1.0, är inriktad på video, och det är här som företagets påståenden är mest slående. Pangram citerar en nyligen genomförd akademisk studie, DF26, som fann att människor knappt är bättre än slumpmässiga när de särskiljer riktiga videor av människor som pratar från AI-genererade - och att befintliga automatiserade detektorer inte var mycket bättre. På samma DF26-riktmärke rapporterar Pangram en poäng på 98,7 %, vilket den beskriver som ett 29-punkters språng över den näst bästa detektorn.

För att jämföra mot den kommersiella marknaden snarare än den akademiska världen, konstruerade Pangram en svår jämförelseuppsättning från 129 verkliga sociala mediavideor, och genererade syntetiska speglar av var och en med 14 olika frontier-videogeneratorer – 100 videor per generator, seedade med den första riktiga bildrutan i varje källvideo och drivs av genererade beskrivningar av handlingen. Över de resulterande 1 529 videorna jämförde företaget Flash 1.0 med flera stora AI-videodetekteringstjänster. Spegelmetoden är utformad för att ta bort innehållsfördom: varje riktig video och dess syntetiska tvilling delar samma scen och motiv, så en detektor kan inte spela testet genom att lära sig vilka ämnen eller estetik som korrelerar med AI-innehåll.

Flash-modellen utför också bild-för-bild-analys, vilket låter den flagga AI-redigerade segment inuti annars autentiska filmer - en funktion som syftar till det växande problemet med delvis manipulerade videor snarare än helt syntetiska klipp.

Från textavkänning till en hel syntetisk mediastack

Pangram byggde sitt rykte på AI-textdetektering, där dess klassificerare används i stor utsträckning inom utbildning och publicering, och Yahoo Techs bevakning av lanseringen beskrev företaget som guldstandarden i den kategorin. Att utöka till bilder och video är en naturlig expansion, och det positionerar Pangram som en one-stop-shop för plattformar, nyhetsredaktioner och företag som försöker övervaka syntetiska medier i olika format.

De nya modellerna levereras med API-stöd för både bild- och videodetektering, och en Chrome-tillägg som tillämpar detektering på bilder och videor när användare rullar i sina flöden – flyttar detektering från ett backoffice-modereringsverktyg till något som är närmare konsumentskydd. Pangram säger att det också jämförde modellerna mot akademiska datauppsättningar inklusive X-AIGD, Mirage-Test, AIGenImages2026, Synthbuster parat med RAISE och Community Forensics.

Detection Arms Race fortsätter

En varning förtjänar att betonas: varje nummer i Pangrams tillkännagivande kommer från Pangrams egna utvärderingar, utförda på sina egna spegelbaserade riktmärken. Oberoende validering är hur detektionsverktyg i slutändan vinner förtroende, och historien om AI-detektion är full av verktyg vars noggrannhet kollapsade mot generatorer de aldrig hade sett. Pangram själv erkände så mycket i sitt inlägg och tackade samhället för att de försökte förhandsgranska forskningen och hittade dess svagheter.

Fortfarande är lanseringen en meningsfull markör för hur långt detektionsteknologin har kommit som svar på generativ videos snabba förbättring. Om det rapporterade DF26-resultatet överlever tester från tredje part, kommer klyftan mellan vad människor kan uppfatta och vad maskiner kan verifiera bara att öka - vilket är just den marknad Pangram satsar på.

För plattformar och förlag är det praktiska att detektionen med hög noggrannhet vid låga upplösningar, inklusive videoanalys på ramnivå, blir tillgänglig som ett varu-API. Nästa fas av problemet med syntetiska medier kan handla mindre om huruvida upptäckt är möjlig och mer om vem som distribuerar det, och på vilket lager av internets rörsystem.

Ligg före AI

Syntetiska medier, detekteringsverktyg och plattformarna som använder dem är rörliga mål – håll dig uppdaterad om allt.

Läs mer AI-nyheter →