AI 写作的 13000 个口头禅：破折号删掉了，痕迹没删掉

素材说明：本文基于 2026 年 10 月初 Graphite 发布的写作特征研究，以及 TechCrunch、The Beat、
Linxi News、Euronews Horn 等对该研究的报道整理。研究由一家营销公司完成，目前公开的是
媒体转述而非完整论文，文中已标明其方法边界与未经独立验证之处。

有一段时间，判断一篇文章是不是 AI 写的，靠一个标点就够了：破折号。

它太好用了。人类写东西很少用，模型偏偏爱用。只要在一篇稿子里看到连续几个"——"，基本就能下判断。

现在这个信号失效了。

据 Graphite 的统计，Claude Opus 5.5 使用该标点的频率比上一代降低了 99%，OpenAI 的 Astra 比人类样本低 88%，谷歌 Gemini 3.1 Pro 基本把它从行文里清除了。

那么问题来了：换成什么了？

一、13000 个痕迹

Graphite 做了一件事：把 10,000 篇发布于 ChatGPT 问世之前的人类文章作为对照组——那个年代不可能有 AI 代笔，这是干净的人类基线。

然后，它没有让模型"就这个题目写一篇文章"，而是先给这些文章做摘要，再让不同的模型根据摘要去重写。

这一步是整个研究里最聪明的地方。如果让模型自由发挥，题材不同、来源不同，比较出来的词频差异可能是题材造成的，不是写作习惯造成的。用"同一批素材、同样的改写任务"来对齐，剩下的差异就主要来自表达习惯本身。

结果是：13,000 个短语，在 AI 生成文本中的出现频率至少是人类样本的两倍。

Graphite 把达到这条线的都称作"痕迹"（tell）。

13000 这个数字本身比任何单个词都更有信息量。它说明一件事：模型写作的印记不是表层的一两个怪癖，而是深到句式层面的东西。

二、两个模型，两种口音

更有意思的是，不同模型的口音不一样，而且差别大到几乎可以靠词汇就分辨出来。

Claude Opus 5.5 的习惯：喜欢替自己强调重要性。

• "这很重要"（this matters）出现频率是人类样本的 116 倍
• "为什么 X 重要"（why X matters）是 92 倍
• 单词 "dependable"（可靠）用了 23 倍

它已经基本改掉了那个被点名批评的"不是 X，而是 Y"句式，但转头用上了它的近亲："不只是 X，更是 Y"。

如果你曾经觉得某个 AI 特别喜欢主动向你声明它接下来说的东西有多重要，那不是错觉，这是有数据支撑的。

OpenAI Astra 的习惯：喜欢纠正一个不存在的人。

• 被 Graphite 称为"纠正式框架"的句式——"不仅仅是 X"、"而不是依赖 X"——出现频率是人类的 100 倍以上
• 喜欢引入话题的"另一个维度"
• 喜欢给好处加一层缓冲：某个做法"可能带来""可以提供"某种收益

这两种口音的气质完全不同：一个在向你担保它说的话很重要，另一个则永远在修正一个假想的错误说法。

同样的任务、同样的素材，写出来是两种人。

三、最反直觉的一条

按常理推测，模型一代代迭代，痕迹应该越来越少。

数据不支持这个推测。

Graphite 首席 AI 官 Greg Druck 的原话是："痕迹并没有减少。他们确实成功去掉了最有名的那几个，但新的会冒出来，而且每一个模型版本都有自己的一套。"

这句话值得多读一遍。

它描述的是一场打地鼠：你按住破折号，"这很重要"就冒出来；你按住"这很重要"，下一个版本会掏出别的。

原因也不神秘。Druck 的解释是：实验室对这类细节的控制力，比外界想象的要弱——这些是拥有数十亿参数的巨型模型，能跑的测试数量有限，总会有些东西漏过去。

换句话说，不是他们不想改干净，是改不干净。

四、两条正在分开的曲线

研究里还有一个更长期的观察：

Claude 系列逐代在向人类的词频分布靠近；GPT 系列则在远离。

两家实验室都在宣称自己写得更自然了。Anthropic 在 Opus 5.5 的发布说明里说它"比前代表达更自然"，早期用户觉得文字更清晰易读；OpenAI 在 GPT-6 版本的 Sol 与 Luna 上也给出过几乎相同的承诺——更清晰、更少 jargon、更少别扭的措辞。

这些话大概在某个狭窄的意义上都是真的。但半年之后，13000 个痕迹的清单依然摆在那里。

两条曲线分开这件事，说明的不是谁好谁坏，而是：不同的训练路径，会产生风格上真实而持续的分叉，不是同一种漂移的不同口味。

五、这份研究不能说明什么

说清楚边界，比说清楚结论更重要。

第一，它测的是"改写"这一种任务。 让模型根据摘要重写一篇文章，和让它从零构思、写小说、写代码注释、写一封邮件，语言特征未必相同。这份结论不能自动外推到所有 AI 写作。

第二，目前公开的是媒体转述，不是完整论文。 已有报道明确指出，未见完整研究文本与独立验证。研究方本身是一家营销公司，不是学术机构。

第三，"出现频率是人类的两倍以上"是统计差异，不是指纹。 它告诉你某个词在机器文本中更常见，不能反过来证明"用了这个词的就是机器"。人类作者照样会写"这很重要"。

第四，它测的是英文。 中文语境下的 AI 腔是另一套东西，这份数据不能直接搬。

所以正确的读法是：这是一份有价值的提示，不是一张可以照着抓人的清单。

六、对写东西的人，有四条实在的

第一，别再用破折号判 AI 了。

这个信号已经死了。任何还在教人"看到破折号就是 AI"的说法，都停留在两个版本之前。

第二，任何号称"永久有效"的检测器都别信。

检测器依赖的是特征库，而特征库每出一个模型版本就要重训一次。Druck 那句话的潜台词是：这是一场永远追不上的比赛，不是一次可以结案的工程。

第三，真正的判别依据正在从文本特征转向过程证据。

写作过程的留痕——版本历史、初稿、修改记录、写作时间戳——比任何词频都可靠。这也是为什么越来越多的学校、媒体和平台开始要求过程性材料，而不是拿一段成品去做检测。文本特征会被训练掉，过程不会。

第四，如果你自己用 AI 辅助写作，要改的不是破折号。

对照这份清单，最该手动删掉的是那类元叙述——模型主动跳出来评价自己内容重要性的句子（"这一点至关重要""为什么这件事重要"），以及永远在纠正一个假想对手的句式（"不仅仅是……而是……"）。

这两类句子在人类写作里出现得最少，却最容易被当成"有见地"。它们不是深度，是口音。

删掉它们，文章的机器味会立刻淡一半。

结语

破折号消失之后，人们以为识别 AI 会变难。

这份研究给出的答案稍有不同：识别并没有变难，只是识别的对象变了。

从标点，到词汇；从词汇，到句式；从句式，到那种"急于向你担保自己重要"的语气。

而在这条链路的最末端，留下的是一样删不掉的东西——一个模型在数十亿次训练之后，对"一段得体的文字应该长什么样"形成的统计偏好。

它会换词、换句式、换语气，但偏好本身还在。

补充一句：这篇文章本身也有 AI 参与写作。上面提到的每一条痕迹，你都可以拿它来检验我——尤其是那些"这很重要"式的句子。如果它读起来还很机器，那说明这份研究说得对：口音是藏在语气里的，不是藏在标点里的。