Pangram、Pangram 4 を人間とAIの混合執筆向けにリリース

Why it matters

Pangram Labs is turning AI detection from a school utility into publishing infrastructure, where model errors can directly affect trust, reputation and revenue.

Pangram Labs の共同創業者 Max Spero と Bradley Emi は、2026年7月29日に Pangram 4 をリリースしました。検出器を二者択一の判定から拡張し、完全に生成された文章、AI支援された文章、そして人間とAIが混在する執筆を分類できるようにしています。

ブルックリン出身の創業者らは、Xでの5投稿からなるスレッドでこのモデルを発表するとともに、スクリーンショットや写真の中でAI生成領域を強調表示するために設計された合成ビジュアル検出器 Pangram Image の公開研究プレビューを発表しました。両製品は Pangram Labs のウェブダッシュボードを通じて利用可能で、画像APIへのアクセスは招待制のままです。

Spero と Emi はスタンフォードの新入生寮で出会い、共にその後人工知能の修士号を取得しました。Spero は以前、Google、Two Sigma、Yelp での機械学習関連の役職を経て Nuro で自律走行車向けのアクティブラーニング業務を率いていました。Emi は Absci でのディープラーニング研究を指導し、Tesla Autopilot の主要なコンピュータビジョンチームにも携わっていました。両者の共通の賭けは、生成モデルが日常的な執筆に入り込むにつれて、著作権（誰が書いたかの判定）検出が学校、出版社、オンラインプラットフォーム向けのインフラになり得るというものです。

Pangram 4 moves from document scores to provenance segments

Pangram 4 は Pangram 3.3 より6倍以上大きく、Pangram Labs の技術レポートによれば mixture-of-experts アーキテクチャを使用しています。モデルは各セグメントに対して次のいずれかの出自ラベルを割り当てます：人間、AI支援、AI生成。文書を重複する512トークンのウィンドウで解析し、トークンレベルの予測を平滑化して文書内でどこに著者の変化があるかを推定します。

そのセグメンテーションは、以前の検出器の実用的な弱点を狙ったものです。人間の段落、生成された節、軽く編集されたテキストが組み合わされた文書は、誤解を招く単一のスコアを生む可能性があります。Pangram 4 は代わりに、Grammarly、Apple Intelligence、Google の Gemini などのツールで磨かれた文章を含め、これらのカテゴリを一度に分離しようと試みます。

Pangram Labs によると、モデルは商用ライセンスされた2022年以前の人間文書200万件の内部テストセットで誤検出率（false-positive rate）が0.0041%を記録しました。26モデルからの519,993件の生成サンプルを用いた別のベンチマークでは、Pangram Labs は偽陰性率（false-negative rate）が0.3396%と報告しており、同じデータセットでの Pangram 3 の1.99%と比べています。Pangram Labs はさらに、Pangram 4 が13種類の市販ヒューマナイザーツールを通したテキストの98.83%でAIの関与を識別したとも述べています。

これらの数値は Pangram Labs 自身の評価に基づくものです。手法と既知の制約は公開のモデルカードに記載されていますが、新しいモデルは学校、出版社、雇用者が個々の成果物を判断する際にその出力を用いる場合に重要となる独立した検証をまだ受けていません。

以前のUniversity of Chicagoの研究監査は、Pangram を OriginalityAI、GPTZero、およびオープンソースの RoBERTa ベースラインと比較しました。研究者らは、以前の Pangram 検出器が1,992パッセージからなるコーパスの中で中長文に対してほぼゼロの誤り率を示し、StealthGPT のヒューマナイザーに対してもより良く耐えたことを見出しました。その研究は Pangram Labs の以前のアプローチを支持するものであり、Pangram 4 の新たなベンチマーク主張を独立して検証するものではありません。

Image detection broadens the provenance bet

Pangram Image は GPT Image、Gemini、Midjourney、FLUX、Grok Imagine を含むシステムに関連する出力をスキャンします。Pangram Labs はこのモデルがいくつかのAIビデオ生成器のフレームも検出でき、混合画像の内部にある合成領域を示すヒートマップを生成できると述べています。

Pangram Labs は、5つの商用検出器を含む内部比較で99.5%の精度を報告しました。基礎となるテストは1,130枚の画像を含み、500枚の既知の人間の画像と5つの画像モデルからの生成出力、さらに Midjourney のサンプルが含まれていました。実世界での共有を模擬するために圧縮およびリサイズした拡張版では、Pangram Image は99.03%の精度を記録したと Pangram Labs は述べています。ReLAION の2022年以前の10,000枚の画像に対する別のテストでは、誤検出率が0.16%と主張されました。

このプレビューには明確な制限があります。512×512ピクセル未満の画像は処理せず、Pangram Labs はディープフェイクやフェイススワップは現時点での対象外であると述べています。小さな編集でも、生成ツールによっては要素を1つ変更するとフレーム全体を再生成するため、画像全体が完全にAIとラベル付けされることがあります。

The release follows Pangram Labs into Substack

タイミングは、今月 Substack が Pangram Labs を利用し始めたことで重みを増しています。SubstackのAI透明性ツール は、対象となる投稿、ノート、コメント、返信を2026年7月21日以降に公開されたものに対して読者がスキャンできるようにします。クリエイターは自分の作業方法を説明する声明を追加したり、誤りを報告したり、個々のコンテンツで検出を無効化したりできます。

その配布により、Pangram Labs の出力は作家と有料読者の関係の中に入ります。また、各誤りは拡大して影響を及ぼします。Spero は以前、検出器の結果は告発を決定するのではなく、より広い調査の出発点となるべきだと述べています。The Atlanticは報じたところによれば、Spero は Pangram が Vanity Fair の記事の一部を誤ってフラグ付けしたことを確認しており、ベンチマークの性能と個別の判定は別問題であることを示しています。

Pangram Labs は2025年6月に398万ドルのプレシードおよびシード資金を発表しました。その資金調達には ScOp Venture Capital が主導するシードラウンドが含まれ、Script Capital、Cadenza、およびエンジェル投資家が参加しました。初期のプレシードは Haystack VC が主導していました。

新モデルは開発者向けの経済性も変えます。Pangram 4 API のスキャンは価格設定が100語あたり$0.05で、Pangram 3 の1,000語あたり$0.05と比べて高く設定されています。Pangram Labs は2026年9月30日に Pangram 3 を廃止する予定で、顧客には Pangram 4 のより細かい分類が長文に対して高いコストに見合うかを試すための2か月の猶予が与えられます。