Mesmer AI Detector 4B

Mesmer AI Detector 4B

判断英文文本是人写的、AI 写的还是 AI 编辑过的，并给每个句子打标签。适合想获得提示而非证据的编辑、教师和研究人员。

由 mesmertech 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Mesmer AI Detector 4B 检查英文文本，判断它看起来是人写的、AI 写的，还是 AI 编辑过的，也就是人写的内容经过 AI 润色。它还会给每个句子打标签。它由 Qwen3.5-4B-Base 微调而来，另有更大、更准确的 9B 兄弟模型。

适合谁：适合想知道一段英文文本是怎样产生的编辑、教师和研究人员。

Industry | Who uses it | How they use it | Example
出版 | 编辑 | 筛查投稿里机器写的段落 | 逐句检查一篇自由撰稿人的文章
教育 | 教师 | 把它和其他证据一起看学生作文 | 检查学生作文里是否有 AI 编辑过的段落
研究 | 检测研究人员 | 在公开基准上对比检测器 | 在 Epoch 式模仿文本上重新测试

如果你的文本不是英文，或者你需要能当作证据的结论，可以跳过，因为它确实会把部分人写的内容标出来。

用在哪里：它在你自己的机器上以 Python 脚本或库的形式运行，最好有 GPU。模型卡说 CPU 也能用但很慢，并指向一个托管的 Space，可以在没有 GPU 的情况下试用。

• 命令行，通过检测脚本
• 导入 Detector 类的 Python 代码
• 装有 Python 的 Windows、macOS 或 Linux

Use case | Who | What they get back
整段文本检查 | 编辑 | 带概率的人写、AI 写或 AI 编辑的结论
逐句标注 | 教师 | 每个句子都被模型标记并着色
基准测试 | 研究人员 | 可与其他检测器对比的分数

如何设置：你需要 Python 和快速上手里列出的库。一个可选的包提供更快的 GPU 内核，没有它时代码会退回到普通 PyTorch。Hugging Face 标注 BF16 约 8.4 GB。

• Python
• torch、numpy、tokenizers、safetensors、emoji 和 huggingface_hub 这些库
• 可选的 fla-core，用于更快的 GPU 运算
• 最好有 GPU

1. 安装所需的 Python 库。
2. 可选：安装 fla-core 以获得更快的内核。
3. 从仓库下载检测脚本。
4. 用模型名和要检查的文本运行它。

pip install torch numpy tokenizers safetensors emoji huggingface_hub
pip install fla-core   # optional: faster GPU kernels (otherwise pure PyTorch; CPU works too, but slowly)
hf download mesmertech/mesmer-ai-detector-4b mesmer_detector.py --local-dir .
python mesmer_detector.py --model mesmertech/mesmer-ai-detector-4b "Paste the text to check here."

如何使用：用你的文本运行脚本，或者在 Python 里加载 Detector 类。传入 int8=True 会加载 8 位权重，占用大约一半的内存。

from mesmer_detector import Detector

det = Detector.from_pretrained("mesmertech/mesmer-ai-detector-4b")   # int8=True: 8-bit weights, about half the memory

Tool | What it does
mesmer_detector.py | 给你传入的文本打分的命令行脚本
Detector | 为你自己的代码加载模型的 Python 类

示例：你把一段文字粘贴给命令行脚本。它返回这段文字读起来像人写的、AI 写的还是 AI 编辑过的，并给每个句子打上标签。

新手与专家：如果你是新手，把结果当作提示，而不是证据。可以拿一段你自己写的文字和一段聊天机器人写的文字试试，看它怎么标注。

如果你熟悉这个领域，这是一个 4.2B 的模型，输出三分类结果。在 Open Pangram 域内集上，它的三分类准确率为 0.918，接近闭源的 Pangram 3.2 的 0.920。模型卡说它比 Pangram 更容易把人写的内容标出来，比如在非母语英语作文上误报率为 0.044。

输入英文文本
模型给整段文本打分
带概率的三分类标签
每个句子被标注并着色

注意事项：模型卡把它排在所有对比过的开放权重检测器之上，同时承认它对人写文本的误标率更高。

• License: CC BY-NC-SA 4.0，所以是带署名和相同方式共享条款的非商业使用
• Cost to run: 没有提到 API 密钥、账号或付费服务，但有 GPU 会快很多
• Data it reaches: 你粘贴的文本，以及从 Hugging Face 下载的文件
• Not for: 非英文文本、商业用途，或把结论当作对某个人的证据

Title: 域内三分类准确率
Open Pangram: 0.895
Mesmer 4B: 0.918
Pangram 3.2 closed: 0.920
Mesmer 9B: 0.923

Hugging Face 上的数据（2026年11月13日）

• 任务：text classification
• 参数量：4.2B
• Weights: about 8.4 GB in BF16; about 2.1 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：68
• 点赞：3
• 许可证：cc-by-nc-sa-4.0
• 语言：en
• 基于：Qwen/Qwen3.5-4B-Base
• 标签：safetensors, mesmer_ai_detector, ai-text-detection, ai-generated-text-detection, machine-generated-text-detection, ai-detector, text-classification

链接

• 模型：https://huggingface.co/mesmertech/mesmer-ai-detector-4b
• 文件：https://huggingface.co/mesmertech/mesmer-ai-detector-4b/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download mesmertech/mesmer-ai-detector-4b

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。