Google今天宣布在Gemini应用和网站中正式发布SynthID检测器功能,用户可以上传任何图像并询问机器人该图片是否由AI创建或修改。不过这项新功能存在相当大的局限性。
由于新功能使用的是SynthID技术,其检测范围极其有限——它只能识别由Gemini创建并标记有Google制作的SynthID水印的图像。SynthID于2023年开发,几年来一直是Google各种图像生成AI模型的组成部分。据Google称,该水印系统设计为人眼无法察觉,即使图像被裁剪或修改也仍可检测到。
虽然SynthID是开源的,Google也与Hugging Face和Nvidia等知名合作伙伴达成合作,但除了这些例子外,Gemini的SynthID检测器实际上无法确定性地判断图像是否由AI创建。
在我们对ChatGPT生成的AI图像进行测试时,Gemini无法可靠地判断图片是否由AI生成,但它确实根据暴露AI生成内容的小细节进行了几次正确的推理。另一方面,使用Gemini创建的图像都被标记为包含SynthID水印。
与Google依赖水印不同,ChatGPT依靠内容来源和真实性联盟(C2PA)开发的元数据系统来标记其内容为AI生成。除了OpenAI,C2PA还被微软、Adobe、Meta等公司使用。
Google发言人告诉The Register,公司计划未来在Gemini中添加对C2PA的支持,"这样您就能够检查由Google生态系统之外的模型和产品创建的内容的原始来源。"
即使有了C2PA支持,专家们警告说,基于水印和元数据检测AI图像并不是确保来源可靠性的最佳方法。正如我们在6月报道的那样,加拿大滑铁卢大学的计算机科学家开发了一种名为"UnMarker"的方法,他们声称可以在几分钟内使用40 GB的Nvidia A100 GPU移除AI图像水印(包括SynthID),且无需互联网连接。
Google Deepmind研究人员此前也得出了相同结论,该论文甚至质疑了C2PA元数据,指出它的稳健性甚至不如水印技术。
换句话说,就像任何现代AI产品一样,不要相信SynthID检测器能可靠地区分事实和虚构——它和普通大语言模型一样容易被错误输入数据欺骗。
Nano Banana Pro现已发布
除了在Gemini中公开发布AI检测功能外,Google今天还发布了Nano Banana Pro,这是其Nano Banana图像生成引擎的升级版本,基于最近发布的Gemini 3 Pro模型构建,距离发布我们印象深刻的初始版本仅几个月时间。
据该公司称,最新模型专门设计用于生成更清晰的文本,还可用于生成包含实际可读内容的信息图表,而不是以往AI图像生成工具典型的类似语言的胡言乱语。
我们使用Nano Banana Pro创建了上述递归主题图像,以及下面包含的令人耳目一新的Reg品牌汽水瓶。与ChatGPT相比,Nano Banana Pro创建图像的速度极快,无需重新提示进行文本更正。
像所有Google的AI生成图像一样,在Nano Banana Pro中创建的图像包括可见的Gemini闪光水印以及SynthID内容。
出于好奇,我们将Nano Banana Pro创建的The Register汽水图像通过旨在剥离SynthID水印的工具进行处理,但Gemini仍然检测到图像中存在SynthID。即便如此,Gemini告诉我们,它可能仍会根据我们的声誉判断这不是真实的。
"[The Register]经常在其文章标题中使用幽默或定制图形,"Gemini解释道。"这张图像很可能是为他们的某个故事生成的库存照片或插图。"
好吧,这次被Gemini识破了。
Q&A
Q1:SynthID检测器能检测出所有AI生成的图像吗?
A:不能。SynthID检测器存在相当大的局限性,它只能识别由Gemini创建并标记有Google制作的SynthID水印的图像。对于其他AI工具生成的图像,如ChatGPT创建的图像,无法可靠地进行检测。
Q2:Nano Banana Pro相比之前版本有什么改进?
A:Nano Banana Pro是基于最近发布的Gemini 3 Pro模型构建的升级版本,专门设计用于生成更清晰的文本,还可用于生成包含实际可读内容的信息图表,创建图像的速度也比ChatGPT更快,无需重新提示进行文本更正。
Q3:AI图像水印技术可靠吗?
A:专家警告基于水印和元数据检测AI图像并不是最可靠的方法。加拿大滑铁卢大学研究人员开发的"UnMarker"方法可以在几分钟内移除包括SynthID在内的AI图像水印,Google Deepmind研究人员也得出相同结论。
好文章,需要你的鼓励
随着AI基础设施快速扩张,水资源正成为继电力之后的另一重大制约因素。高密度GPU集群产生大量热能,需要大规模冷却水支撑,部分数据中心单日用水需求高达数百万加仑。多地水务部门已明确表示现有供水能力无法满足需求。研究预测,到2030年美国数据中心新增日用水需求可能高达14.5亿加仑。水资源短缺、废水处理压力及峰值用水波动,正深刻影响AI数据中心的选址与建设规划。
研究揭示多源视觉融合并非总有益,提出MARS框架通过单源锚点量化信息增益,动态调节多源融合优势,在多个视觉推理任务上实现显著性能提升。
CoreWeave发布新平台,支持企业部署可自主学习和优化的AI智能体。该平台通过无服务器强化学习机制,让大语言模型在真实业务环境中持续微调,无需企业自建基础设施。相比传统方式,该方案可降低超40%成本,训练速度提升约1.4倍,且不影响质量。据麦肯锡2025年AI现状报告,约62%的受访企业正在试验AI智能体,生产部署趋势日益明显。
MiniMax发布M2系列混合专家大模型,总参数2299亿但每次仅激活98亿,通过专项数据流水线、Forge强化学习系统和自进化机制,在代理编程、深度搜索等任务上达到顶级闭源模型水平。