火爆全网的AI造像:逼开发者祭出“火眼金睛”:让AI“完美”图片瞬间现原形:不料却秒翻车？
在图像生成技术领域，Stable Diffusion与Midjourney曾长期占据主导地位，然而Flux模型凭借令人叹为观止的逼真表现迅速打破既有格局，这一重大变革催生了对AI图片鉴别工具的创新探索与迫切需求。
Black Forest Labs（Stable Diffusion原始团队）开发的Flux文本到图像模型，依靠大规模参数与卓越表现力，正逐步成为文生图领域的标杆。近日广泛传播的逼真“TED演讲者”图像，正是基于Flux训练的LoRA模型所生成。
自8月初发布后，Flux在开发者和创意人员中引发强烈反响。众多体验者表示，已经难以分辨AI生成内容与真人实拍。
破解AI魔法的手段，或许仍需借助AI。前谷歌搜索创始人Deedy Das昨日在X平台宣布，他使用Claude全程编写了一款AI图片鉴别工具，核心原理基于“提高饱和度”。
01 完全由 Claude 编写的 AI 鉴别神器？
以最近热传的“TED演讲者”图片为例，Deedy Das将其上传至该工具后，原本极其逼真的AI人像立即显露破绽：牙齿部分异常诡异，麦克风和胸牌上的色块也出现不协调。
Deedy Das指出，与真实人像图片对比，真实照片的牙齿部分自然正常，提高饱和度后整体色块更为均匀一致。
Deedy Das强调，工具代码完全由AI模型Claude编写，直接在原始图像数据上处理饱和度代码，无需外部库。该工具目前已公开可用（https://claude.site/artifacts/6890e3d7-e65e-41ff-a7d4-3ccb38040b46），工具源代码也已附上（https://t.co/v6nmtLrezW）。
接下来使用两张网友用Flux生成的AI图像进行测试，验证该工具的实际效果。
测试结果显示，如果以异常牙齿和不协调色块作为判断标准，该工具确实成功识别了这两张AI图片。
就在许多人以为终于找到了准确辨别AI图片的“神器”时，一位用户尝试用Deedy Das的X头像进行测试，结果同样出现突兀色块——难道他的头像也是AI生成？
面对这一结果，Deedy Das哭笑不得地解释，这可能是图片压缩所致，他用原始图片测试时并未出现色块补丁。
基于这一发现，Deedy Das在原帖下方补充说明，理论上该工具能检测AI图片，但会对JPG压缩后的真实图像产生误判，因此可能不适用于社交媒体上的图片——这些图片普遍经过压缩。JPG压缩会破坏真实图片的色块一致性。
Deedy Das表示，后续他将尝试构建针对最大饱和度图像的分类器，以区分JPG压缩图像与AI图像。
02 AI 文生图模型的发展，实在太快
如前所述，本月初Stable Diffusion原始团队发布了全新的图像生成模型Flux.1。该模型包含三种版本：
- Flux.1 [dev]：基础模型，以非商业许可方式开源，供社区在此基础上构建。
- Flux.1 [schnell]：基础模型的精简版，运行速度提升10倍，采用Apache 2授权。
- Flux.1 [pro]：仅通过API提供的封闭源代码版本。
Flux官网数据显示，Flux.1的ELO评分已超越Midjourney-V6.0和Stable Diffusion3-Ultra等主流模型。即使是较小规模的Flux.1 [schnell]，性能也超过了Midjourney-V6.0和Dall-E 3 HD等更大模型。
基于上述数据，许多开发者认为Flux.1有望成为替代MidJourney和Stable Diffusion的终极AI图像生成工具。
与MidJourney相比，Flux.1在多个方面展现优势。首先在开源方面，Flux.1的开源特性使开发者能轻松修改和扩展，支持深度自定义、集成到各种应用中，并可根据需求调整模型。其次在图像质量方面，Flux.1提供高保真输出，细节丰富且逼真，图像质量在多项评分中超越MidJourney。最后在可扩展性与性能方面，拥有120亿参数的Flux.1能处理复杂的大规模图像生成任务，适用范围广泛。
凭借这些功能优势，Flux.1发布仅一周多便在网上引发AI生图热潮，其逼真程度令人担忧。下方图片均由Flux.1生成，极难一眼识别出AI痕迹。
Flux不仅生成图片，还能流畅生成视频。AI创意制作人Heather Cooper分享了一个用Flux制作化妆品广告的案例，仅需8个步骤即可完成。
03 检测 AI 的方法，很可能也会很快失效
面对这些难以区分的AI图片，许多人担忧其潜在隐患，开始探讨如何辨别真假图片。
有网友发现，AI生成“普通人”图片时通常呈现不笑的表情，而生成“漂亮的人”则大多面带微笑。以下是提示词为“相貌平平的人”所生成的图片：
有分析认为，这是因为模型基于当下社会现象进行判断，“普通人”被默认为平淡无奇，而“漂亮的人”则被赋予开朗明媚的特质。这在一定程度上反映了训练数据的偏差。
另有观点指出，AI图像通常略显模糊，大屏幕显示比手机更容易分辨。此外，AI生成的人像脸颊和额头常有反光，且反光程度较真实照片更为夸张。然而，基于近两年AI的发展速度，这些检测方法很可能很快就会失效。
基于以上情况，越来越多人对AI发展前景表示担忧：
- “我在网上看到一些帖子，帖中有多张AI照片，作者会指出其中一张为真实。现在越来越难一眼分辨，多数人也不会仔细检查社交媒体上的每张照片。”
- “这很可怕，如果给我父母看，他们根本无法分辨真伪。”
从Flux模型崛起引发AI图片鉴别热潮，到Deedy Das开发饱和度检测工具及其暴露的局限，业界逐步形成共识：传统肉眼分辨已难奏效，AI鉴别技术需与生成技术同步持续进化，方能应对日益逼真的AI内容挑战。
参考链接：
https://x.com/deedydas/status/1822665923775611374
https://x.com/AngryTomtweets/status/1822203767728591350
https://www.reddit.com/r/artificial/comments/1epjlbl/average_looking_people/