2026 年 1 月 22 日，Runway 發布「The Turing Reel」研究：以隨機抽樣招募的 1,043 位受測者，每人觀看 20 支 5 秒短片——10 支是真實素材、10 支由最新模型 Gen-4.5 生成——再逐支判斷真假。結果：整體正確率 57.1%，只有 99 人（9.5%）達到統計顯著水準。研究名稱向圖靈測試致意，結論卻近乎反向宣告：在影片這個介面上，人類已經輸掉了這場測試。
這是影片模型廠商第一次用自家最新模型做嚴謹的對照實驗，把「肉眼還能不能偵測 AI 影片」量化到個位數。對平台與內容團隊來說，它不是行銷素材，而是一份該寫進風險評估的數據。
測試怎麼做
- 真實影片取自 Filmpac 素材庫，涵蓋臉部、全身動作、動物、自然場景與城市環境五類
- 每支真實影片抽出第一格，餵給 Gen-4.5 新推出的 image-to-video 功能，使用預設參數、只生成一次、不做任何後製
- 所有影片裁成 5 秒、解析度統一；受測者每支最多看 10 秒就必須判斷
- 20 支影片隨機排序，真假各半
這個設計刻意貼近社群媒體的觀看情境：短片、快節奏、幾秒內下判斷。換句話說，它測的不是實驗室裡的從容鑑識，而是滑手機時的真實注意力。
57.1%：只比丟硬幣好一點
57.1% 的整體正確率只比 50% 的隨機基準高一點。更關鍵的細節是：受測者判斷真實影片的正確率為 58.0%，判斷生成影片為 56.1%，兩邊差距極小，代表沒有人形成穩定的偵測策略。若把門檻提高到統計顯著（20 題至少答對 15 題，p 值小於 0.05），1,043 人中只剩 99 人過關。TechRadar 的報導直接下結論：多數人已無法把 AI 影片從現實中分出來。
人類還有優勢的地方
分項數據顯示，涉及人的內容表現最好：臉部、手部與人類動作的辨識率達 58–65%，身體結構與物理動作仍是生成模型最常出錯的地方。但動物與建築場景掉到 45–47%，低於隨機猜測——受測者自認的「AI 感」在非人物內容上反而是負向指標。TechRadar 並引述 Gen-4.5 仍存在的破綻：物件消失、因果錯誤（門在把手轉動前就打開）、以及「成功偏誤」（踢歪的球仍然進門）。問題是，這些線索在 5 秒內根本來不及找。
連 Runway 共同創辦人也分不出來
Runway 共同創辦人暨 CTO Anastasis Germanidis 承認，他自己測也「錯了不少」。他的結論值得直接引用：到了這個時間點，我們正在跨過門檻，生成與真實影片已經很難區分，大眾需要對線上內容保持更有批判性的心態。模型公司的技術長親口承認分不出自家產品，比任何 benchmark 分數都更有說服力。
從偵測轉向溯源
研究的最後一部分才是重點：既然肉眼偵測已不可行，內容信任就必須改由源頭證明建立。Runway 已預設在輸出嵌入 C2PA 溯源 metadata、持續開發更可靠的浮水印，並呼籲產業一起建立驗證標準；研究頁面也開放了大眾版的「Real or AI」測試。研究發布後，合成媒體專家 Henry Ajder 等評論者聚焦在低於一成的可靠辨識率，把它視為肉眼偵測時代終結的量化證據。對開發者的啟示很實際：真偽防線應該建在 metadata 與數位簽章這一層，而不是期待使用者或審核人員看得出來。
參考來源
- The Turing Reel — Runway Research
- Most people now can’t separate AI videos from reality — TechRadar
- Henry Ajder on The Turing Reel — LinkedIn
本文由 AI 協助自上述來源整理，經人工審核後發布。